人工智能在电力系统中应用的近期研究热点介绍

被引：34

作者：

朱永利 ^{[1
]}

石鑫 ^{[2
]}

王刘旺 ^{[3
]}

机构：

[1] 新能源电力系统国家重点实验室(华北电力大学)

[2] 上海交通大学大数据工程技术研究中心

[3] 国网浙江省电力有限公司电力科学研究院

来源：

发电技术 | 2018年 / 39卷 / 03期

关键词：

电力系统; 人工智能; 深度学习; 大数据;

D O I：

暂无

中图分类号：

TM76 [电力系统的自动化];

学科分类号：

080802 ;

摘要：

大数据驱动下的新一代人工智能由传统知识表示转向深度、自主知识学习,不再需要人的过多干预,展现出了更加智能的一面。近年来,深度学习成为人工智能研究热点。该文重点介绍了深度学习的特点、原理及其在电力系统中的应用研究现状,分析了新一代智能方法研究趋势及在应用过程中存在的问题,并提供了基于分布式机器学习和增量学习的解决方法,旨在为相关研究工作者提供参考。

引用

收藏

页码：204 / 212

页数：9

相关论文

共 29 条

[1] 并行EEMD算法及其在局部放电信号特征提取中的应用 [J].

朱永利 ;

王刘旺 .

电工技术学报, 2018, 33 (11) :2508-2519

[2] 基于长短期记忆网络的风电场发电功率超短期预测 [J].

朱乔木 ;

李弘毅 ;

王子琪 ;

陈金富 ;

王博 .

电网技术, 2017, 41 (12) :3797-3802

[3] 结合深度学习和随机森林的电力设备图像识别 [J].

李军锋 ;

王钦若 ;

李敏 .

高电压技术 , 2017, (11) :3705-3711

[4] 基于CNN-SVR混合深度学习模型的短时交通流预测 [J].

罗文慧 ;

董宝田 ;

王泽胜 .

交通运输系统工程与信息, 2017, 17 (05) :68-74

[5] 基于深度自编码网络模型的风电机组齿轮箱故障检测 [J].

刘辉海 ;

赵星宇 ;

赵洪山 ;

宋鹏 ;

邓春 .

电工技术学报, 2017, 32 (17) :156-163

[6] 基于深度信念网络的变压器油中溶解气体浓度预测方法 [J].

代杰杰 ;

宋辉 ;

杨祎 ;

陈玉峰 ;

盛戈皞 ;

江秀臣 .

电网技术, 2017, 41 (08) :2737-2742

[7] 基于栈式降噪自编码器的输变电设备状态数据清洗方法 [J].

代杰杰 ;

宋辉 ;

杨祎 ;

陈玉峰 ;

盛戈皞 ;

江秀臣 .

电力系统自动化, 2017, 41 (12) :224-230

[8] 面向能源系统的数据科学:理论、技术与展望 [J].

赵俊华 ;

董朝阳 ;

文福拴 ;

薛禹胜 .

电力系统自动化, 2017, 41 (04) :1-11+19

[9] 基于RCNN的无人机巡检图像电力小部件识别研究 [J].

王万国 ;

田兵 ;

刘越 ;

刘俍 ;

李建祥 .

地球信息科学学报, 2017, 19 (02) :256-263

[10] 大规模用电数据流的快速聚类和异常检测技术 [J].

王桂兰 ;

周国亮 ;

赵洪山 ;

米增强 .

电力系统自动化, 2016, 40 (24) :27-33