基于深度学习的电力设备故障诊断方法研究

Journal: Engineering and Management Science DOI: 10.12238/ems.v7i3.12257

殷超, 居尚, 施渊

Abstract

电力设备故障诊断是保障电力系统稳定运行的重要环节。随着深度学习技术的快速发展,将深度学习应用于电力设备故障诊断领域显示出巨大潜力,通过采集电力设备运行数据,利用卷积神经网络、循环神经网络等深度学习模型对设备状态进行实时监测和故障预警。研究表明深度学习模型能够有效提取电力设备运行特征,准确识别设备异常状态,相比传统诊断方法具有更高的准确率和鲁棒性,基于深度学习的故障诊断方法克服了传统方法对专家经验依赖性强的缺点,可实现电力设备故障的智能诊断和预测性维护,为电力系统的智能化运维提供有力支撑。

Keywords

深度学习;故障诊断;特征提取;预测性维护

References

[1] 宋文强,沈登海.基于深度极限学习机的燃气轮机气路故障诊断技术研究[J].北京化工大学学报(自然科学版),2024,51(04):89-98.
[2] 葛卓,夏华猛,王凯亮,等.基于多域信息融合的深度学习轴承故障诊断方法[J].振动与冲击,2024,43(23):47-55.
[3] 雷云鹏,韩东,涂鹏飞,等.基于深度学习的道岔转辙机故障诊断技术研究综述[J].城市轨道交通研究,2024,27(12):345-350.
[4] 陈浈斐,章黄勇,马宏忠,等.基于深度学习的电力设备故障诊断方法研究综述[J].电气自动化,2022,44(01):1-2+6.
[5] 代泽荟,经权,孟颖,等.基于多维信息融合的电力变压器故障诊断方法研究[J].电测与仪表,2024,61(10):67-73.

Copyright © 2025 殷超, 居尚, 施渊

Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License