数据驱动的人工智能技术在电力设备状态分析中的研究与应用

发布时间：2021-07-04 07:24

　　电力设备作为电力系统的基本要素,其运行状态对电网的安全经济运行有直接影响。随着电力物联网的建设和智能传感器技术的不断发展,电力设备运行状态的相关信息呈现出多源、异构的数据特征。研究以海量多源异构数据为驱动的基于人工智能技术的设备状态分析方法,对于全面、及时、准确地掌握电力设备运行状态及其发展趋势有重要意义。论文首先介绍了基于数据驱动的新一代人工智能技术;然后,以当前电力设备状态数据所呈现的海量、多源异构的特性为出发点,针对图像、文本、时序这3种数据类型综述了基于人工智能的电力设备状态特征提取技术;其次,通过研究当前电力设备状态分析的总体需求,总结和讨论了数据驱动的人工智能技术在电力设备智能巡检、故障诊断、状态预测等典型业务场景中的应用研究现状;最后,探讨了现阶段数据驱动的人工智能技术在电力设备状态分析中面临的挑战性问题,并对相关技术的发展趋势进行了展望。 

【文章来源】：高电压技术. 2020,46(09)北大核心EICSCD

【文章页数】：15 页

【部分图文】：

基于Stacking的集成学习框架

典型深度置信网络结构

2）设备数据来源广泛。随着数字化电网的不断发展，电力设备状态监测系统、能量管理系统、地理信息系统及气象信息系统等电力信息化平台逐步完善并广泛应用，使得电力设备运行状态数据的相关信息来源更加广泛，数据模型、格式和接口也更加多样。3）数据类型异构多样。设备数据的异构性主要表现在数据结构的多样化上，除去结构化数据外，还包括如文本记录、音频数据、局部放电图谱、红外图像、巡线图像、监控视频、频响和波形曲线等在内的大量半结构化和非结构化数据。这些异构的设备状态数据中包含了大量电力设备实时运行信息和检修维护历史数据，从中可以挖掘电力设备局部过热、局部放电、机械特性受损等故障状态特征。

【参考文献】：
期刊论文
[1]基于人工神经网络和多频超声波检测技术的变压器油界面张力预测[J]. 杨壮,周渠,赵耀洪,伍小冬,唐超,陈伟根.  高电压技术. 2019(10)
[2]基于计算机听觉技术的电力设备状态监测研究综述[J]. 翟永杰,杨旭,彭雅妮,王新颖.  广东电力. 2019(09)
[3]电力深度视觉:基本概念、关键技术与应用场景[J]. 王波,马富齐,董旭柱,王朋,马恒瑞,王红霞.  广东电力. 2019(09)
[4]基于深度置信网络的电力系统扰动后频率曲线预测[J]. 仉怡超,闻达,王晓茹,林进钿.  中国电机工程学报. 2019(17)
[5]基于多层信息融合的实时语义分割及其在电力场景中的应用[J]. 周晨轶,王文,卢杉,徐亦白.  计算机与现代化. 2019(08)
[6]电力架空线路巡检可见光图像智能处理研究综述[J]. 刘志颖,缪希仁,陈静,江灏.  电网技术. 2020(03)
[7]一种用于轴承故障诊断的二维卷积神经网络优化方法[J]. 肖雄,王健翔,张勇军,郭强,宗胜悦.  中国电机工程学报. 2019(15)
[8]基于YOLO V3的输电线路故障检测方法[J]. 张迪,樊绍胜.  自动化技术与应用. 2019(07)
[9]深度学习在电网图像数据及时空数据中的应用综述[J]. 张宇航,邱才明,杨帆,徐舒玮,石鑫,贺兴.  电网技术. 2019(06)
[10]基于深度语义学习的电力变压器运维文本信息挖掘方法[J]. 蒋逸雯,李黎,李智威,苏超,王干军,彭小圣.  中国电机工程学报. 2019(14)

博士论文
[1]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

硕士论文
[1]基于机器视觉的隔离开关运行状态检测系统研究[D]. 方盛.湖南工业大学 2018
[2]弹簧操动机构断路器建模与故障诊断方法研究[D]. 石梦洁.华南理工大学 2017
[3]基于音频特征的电气设备故障监测算法研究[D]. 杜世斌.山东大学 2014



本文编号：3264323