摘要: 电气设备的正常运行对电力系统的可靠性而言至关重要。目前对输变电设备运维的海量数据进行高效处理存在各种困难。本文提出了一种新的基于大数据分析和机器学习方法的输变电设备运维数据处理思路，使用离群点检测的算法识别试验数据中的异常点并分析设备缺陷记录数据内在的相关性规律。首先使用局部异常因子算法（LOF），对变压器绕组直流电阻试验数据进行处理，成功识别出了数据中的异常点。对于变压器缺陷记录数据，将其划分为多组状态参量，引入异常状态指标，使用状态参量离群算法得到设备异常状态指标的雷达图，从而揭示出设备各种缺陷故障与各状态参量之间内在的相关性规律，为后续设备运维检修等工作提供参考。本方法也适用于其他各类输变电设备的异常数据辨识和分析，现已成功筛查出广西电网10台直流电阻异常的变压器，及75台介损试验数据异常的电容式电压互感器（CVT）。该方法对于提高电气设备运维水平具有积极意义和广阔应用前景。