光伏升压站一次设备数量繁多，一次设备运维主要依靠人工，导致工作效率不高、事故处理不够及时。现有的设备维护手段主要借助定期维护以及设备发生事故异常后停电检修。两种手段均存在一定的局限性，定期维护容易导致不能及时发现设备存在的异常或故障，导致设备“带病运行”；事故后停电检修，不仅会对公司的经济效益带来巨大影响，而且由于是非计划停电的缘故，往往会对升压站整体并网稳定运行带来较大影响。 本成果借助深度神经网络技术，在一定程度上实现了关键一次设备的预测性维护。利用主变压器、断路器、箱变、逆变、汇流箱组件支路等实时运行数据、运行历史数据训练神经网络，利用神经网络结合近期运行数据可实现主变压器、断路器、箱变、逆变、汇流箱组件支路等未来运行数据的高精度预测，能够提前感知核心一次设备的异常运行状态，将设备维护由传统的“定期维护”+“事故后抢修”向“主动感知”+“预测性维护”转变。不仅提升了设备运行的安全稳定，无形中为公司避免了巨大的经济损失。 相关技术对推进能源相关领域的设备主动运维技术方面有较大帮助，将传统依赖人工的设备运维手段向“数字化”、“智能化”转变，不仅大大节约了成本，还能很多程度上提升效率。