人工智能技术在电力设备运维检修中的研究及应用

被引:329
作者
蒲天骄
乔骥
韩笑
张国宾
王新迎
机构
[1] 中国电力科学研究院有限公司
关键词
电力设备; 人工智能; 运维检修; 电力大数据; 数据挖掘; 计算机视觉; 自然语言处理;
D O I
暂无
中图分类号
TM507 [维护、检修];
学科分类号
090303 [农业农村环境保护与治理(农业环境保护)];
摘要
电力设备的运行状态与电力系统的稳定及安全密切相关。全面、准确地掌握电力设备的内外部多源数据,并通过科学的手段进行信息汇总和融合,从而对设备的运行状态与变化趋势做出准确的评估和预测,并安排合理的运维检修计划,是整个电力系统可靠、经济运行的关键前提和重要基础。人工智能技术(artificial intelligence, AI)在识别、预测、优化、决策任务中的效率、精度、自学习能力等方面的发展和突破,为电力设备的运维检修提供了一种全新的技术手段与研究思路。论文回顾了人工智能在输变电设备运维检修业务中的关键技术和应用现状,按照数据层、算法层和应用层逐级展开论述和分析,梳理了设备运维的相关数据情况及现存问题,指出了人工智能关键技术框架及各类算法的应用特点与范围,总结了各类典型运维场景中的人工智能应用进展与困难,并提出了未来的重点解决思路,最后分析了人工智能技术应用所面临的问题,并对其发展趋势进行了展望和建议。
引用
收藏
页码:369 / 383
页数:15
相关论文
共 88 条
[1]
输变电设备故障率预测及状态检修 [D]. 
吴星 .
西安科技大学,
2018
[2]
基于朴素贝叶斯的电力变压器故障诊断 [D]. 
庄晟 .
上海交通大学,
2015
[3]
基于逻辑回归和高斯混合模型的设备故障诊断技术研究与应用 [D]. 
钟鑫 .
北京化工大学,
2010
[4]
群体智能优化算法及其应用.[M].孙家泽;王曙燕.科学出版社.2017,
[5]
机器学习.[M].周志华.清华大学出版社.2016,
[6]
中国电力大数据发展白皮书.[M].中国电机工程学会电力信息化专业委员会; 编著.中国电力出版社.2013,
[7]
应用回归分析.[M].何晓群; 等编著.中国人民大学出版社.2011,
[8]
基于深度学习的电力设备图像识别及应用研究 [D]. 
李军锋 .
广东工业大学,
2018
[9]
Fault diagnosis using kNN reconstruction on MRI variables [J].
Wang, Guozhu ;
Liu, Jianchang ;
Li, Yuan .
JOURNAL OF CHEMOMETRICS, 2015, 29 (07) :399-410
[10]
Intelligent engineering asset management system for power transformer maintenance decision supports under various operating conditions.[J].Amy J.C. Trappey;Charles V. Trappey;Lin Ma;Jimmy C.M. Chang.Computers & Industrial Engineering.2015,