开关柜在电力系统中使用范围极广、数量极多，是极其重要的电气设备。因此，对开关柜进行状态监测和评估对于电力系统安全稳定运行有着重要意义。 然而，目前对开关柜的状态评估存在着三大难题：（1）状态信息获取依赖带电检测，难以及时发现缺陷（2）异常状态数据少，识别难。（3）状态评估依赖单一数据，故障诊断难。 针对以上问题，首先，项目建立了内、外部检测体系，采用了不同的检测手段，实现了对开关柜不同维度、不同类型、不同时间尺度的全方位信息感知。在此基础上建立开关柜模型，借助仿真模型实现了对开关柜运行状态的推演，丰富异常运行数据样本，准确地对异常工况进行预警。此外，在故障样本数据不足的情况下，充分挖掘数据中台、PMS、辅控系统中的数据，利用仿真模型构建完整的、结构化的数据。最后，利用模型与数据双驱动，基于聚类与双层集成学习算法，提取多源数据状态信息特征，准确的评估开关柜状态，识别故障类型。 本项目不仅可以及时发现开关柜缺陷并采取相应的维护措施，减少因开关柜故障导致的维护成本和停电时间。同时，合理的维护和管理开关柜，可以延长开关柜的使用寿命，减少设备更换和更新的费用，降低维护成本。