能源互联网背景下人工智能在电力通信网中的应用探析

被引:12
作者
陈熙
机构
[1] 国家电网有限公司华东分部
关键词
能源互联网; 人工智能; 机器学习; 电力通信网;
D O I
10.16543/j.2095-641x.electric.power.ict.2021.09.007
中图分类号
TP18 [人工智能理论]; TM73 [电力系统的调度、管理、通信]; TN915.853 [电力通信网];
学科分类号
080804 [电力电子与电力传动]; 120103 [信息系统与信息管理]; 140502 [人工智能];
摘要
文章旨在探析能源互联网背景下人工智能关键技术在电力通信网中的应用前景。首先对各类机器学习算法原理及主流产业应用平台进行广泛调研,然后结合实际生产场景,分析机器学习在电力通信实际运维工作中的适用性及应用价值,最后对全文进行总结,以机器学习为代表的人工智能技术可应用于电力通信运维工作的全生命周期管控,可为能源互联网和新型电力系统的构建提供典型范例。
引用
收藏
页码:45 / 50
页数:6
相关论文
共 15 条
[1]
基于机器学习的通信网告警关联分析综述 [J].
丁宏 ;
周宏林 .
东方电气评论, 2021, 35 (01) :77-84+88
[2]
小样本学习研究综述 [J].
赵凯琳 ;
靳小龙 ;
王元卓 .
软件学报, 2021, 32 (02) :349-369
[3]
基于改进决策树的电力通信设备状态预测算法研究 [J].
吴海洋 ;
缪巍巍 ;
郭波 ;
丁士长 .
计算机与数字工程, 2021, 49 (01) :17-20+74
[4]
工业人工智能的关键技术及其在预测性维护中的应用现状 [J].
袁烨 ;
张永 ;
丁汉 .
自动化学报, 2020, 46 (10) :2013-2030
[5]
基于深度学习的能源互联网的应用研究 [J].
李彦豪 .
通信电源技术, 2020, 37 (09) :108-110
[6]
一种基于深度强化学习的电网潮流特征提取方法 [J].
朱轶伦 ;
陈新建 ;
高强 ;
洪道鉴 ;
王周虹 .
电网与清洁能源, 2020, 36 (03) :7-12
[7]
基于大数据及人工智能的大电网智能调控系统框架 [J].
李金讯 ;
颜清 ;
吴秋佳 .
通信电源技术, 2020, 37 (03) :5-7
[8]
基于深度迁移学习的小样本智能变电站电力设备部件检测 [J].
马鹏 ;
樊艳芳 .
电网技术, 2020, 44 (03) :1148-1159
[9]
基于强化学习的电力通信网故障恢复方法 [J].
贾惠彬 ;
盖永贺 ;
李保罡 ;
郑宏达 .
中国电力, 2020, 53 (06) :34-40
[10]
基于改进Apriori算法的智能变电站二次设备缺陷关联性分析 [J].
陈勇 ;
李胜男 ;
张丽 ;
鲁浩 ;
戴志辉 .
电力系统保护与控制, 2019, 47 (20) :135-141