新一代人工智能在电力系统故障分析及定位中的研究综述

和敬涵; 罗国敏; 程梦晓; 刘艳梅; 谭颖婕; 李猛

doi:10.13334/j.0258-8013.pcsee.200032

欢迎来到能源电力期刊网！

English Version 读者登录期刊登录

您当前的位置：

首页 >

文章列表页 >

新一代人工智能在电力系统故障分析及定位中的研究综述

智能电网 | 更新时间：2025-07-03

- 新一代人工智能在电力系统故障分析及定位中的研究综述
- 暂无标题
- 中国电机工程学报 2020年第17期页码：5506-5516
- 作者机构：
  
  北京交通大学电气工程学院
- 作者简介：
- 基金信息：
  
  国家重点研发计划项目(2018YFB0904600);国家自然科学基金项目(51507008);国家电网公司科技项目(5200-201956113A-0-0-00)~~
- DOI：10.13334/j.0258-8013.pcsee.200032
  中图分类号： TM73;TP18
- 纸质出版：2020
- 稿件说明：
移动端阅览
和敬涵, 罗国敏, 程梦晓, 等. 新一代人工智能在电力系统故障分析及定位中的研究综述[J]. 中国电机工程学报, 2020,(17):5506-5516.
和敬涵, 罗国敏, 程梦晓, 等. 新一代人工智能在电力系统故障分析及定位中的研究综述[J]. 中国电机工程学报, 2020,(17):5506-5516. DOI： 10.13334/j.0258-8013.pcsee.200032.

DOI：

摘要

随着电力系统的不断发展

电力系统故障分析及定位面临数据规模庞大、故障机理复杂、建模需求多样化等问题。新一代人工智能技术在数据处理方面有较强的优势

如特征自学习、强非线性拟合、端到端建模等

为电力系统故障分析及定位的问题提供新思路。该文首先分析了电力系统新态势下

故障分析及定位面临的挑战和新一代人工智能技术应用的可行性。随后

对新一代人工智能技术在故障分析及定位中不同方面的应用情况进行了详细的综述

探讨了新一代人工智能技术在故障分析及定位的优势和存在问题的解决方式

并对未来发展进行了展望。

Abstract

With the development of the power grid

the fault analysis and location of power system has to face new challenges such as huge data

complicate fault characteristics

and difficult system design. The new generation of artificial intelligence（AI） which is good at feature learning

non-linear fitting and end-to-end modeling could provide alternative solutions for fault analysis and location. Based on the analysis of needs and rationalities of applying new generation AI in fault analysis and location

the application of new generation AI techniques was reviewed. Finally

their advantages and solutions for existing problems were discussed

and the possible development of new generation AI techniques in fault analysis and location was discussed.

关键词

Keywords

references

王浩,杨东升,周博文,高筱婷,庞永恒.基于并联卷积神经网络的多端直流输电线路故障诊断[J].电力系统自动化,2020(12).

王辉,郝丽丽,黄梅,张圣健,吉宇,陈乾,方鑫.基于历史故障信息的配电网设备故障概率建模[J].电力自动化设备,2020(03).

张烈,吕鹏飞,张瀚方,刘宇,杨国生,刘丹,王志洁.2018年国家电网公司220kV及以上交流保护装备及运行情况分析[J].电网技术,2020(01).

肖雄,王健翔,张勇军,郭强,宗胜悦.一种用于轴承故障诊断的二维卷积神经网络优化方法[J].中国电机工程学报,2019(15).

彭楠,王政,梁睿,杨智.基于广域行波波头频率分量幅值比信息的输电网非同步故障定位[J].电力自动化设备,2019(04).

赵洪山,闫西慧,王桂兰,尹相龙.应用深度自编码网络和XGBoost的风电机组发电机故障诊断[J].电力系统自动化,2019(01).

汪颖,卢宏,杨晓梅,肖先勇,张文海.堆叠自动编码器与S变换相结合的电缆早期故障识别方法[J].电力自动化设备,2018(08).

许洪强.面向调控云的电力调度通用数据对象结构化设计及应用[J].电网技术,2018(07).

黄新波,胡潇文,朱永灿,魏雪倩,周岩,高华.基于卷积神经网络算法的高压断路器故障诊断[J].电力自动化设备,2018(05).

崔江,唐军祥,龚春英,张卓然.一种基于改进堆栈自动编码器的航空发电机旋转整流器故障特征提取方法[J].中国电机工程学报,2017(19).

石鑫,朱永利,宁晓光,王刘旺,孙岗,陈国强.基于深度自编码网络的电力变压器故障诊断[J].电力自动化设备,2016(05).

石鑫,朱永利,萨初日拉,王刘旺,孙岗.基于深度信念网络的电力变压器故障分类建模[J].电力系统保护与控制,2016(01).

徐立新,杨建梅,潮铸,刘明波.电网故障时间间隔的统计分布及非线性特征分析[J].电网技术,2013(12).

王晓丹.基于深度学习的风力发电机故障预测研究[D].重庆工商大学,2019(01).

李天骄.分布式发电对输电网调度的影响分析[D].山东大学,2014(10).

卫波.分布式电源接入对配电网继电保护的影响及对策的研究[D].华北电力大学,2013(01).

Qingqing Yang,Simon Le Blond,Raj Aggarwal,Yawei Wang,Jianwei Li.New ANN method for multi-terminal HVDC protection relaying[J].Electric Power Systems Research,2017.

王毅星.基于深度学习和迁移学习的电力数据挖掘技术研究[D].浙江大学,2019(08).

浏览量

2258

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

多深度神经网络综合的电力变压器故障识别方法

基于小波理论的超高压输电线路故障定位与选相方法

同杆双回线跨线故障的准确故障定位方法

同塔架设平行双回线的跨线故障精确测距算法

高压输电线故障测距中的伪根问题及其改进方法