基于人工智能和深度学习的电力设备故障诊断方法(1).pdf

1、本文档共7页，可阅读全部内容。
2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。

第41卷第4期2024年8月李鹏刚等基于人工智能和深度学习的电力设备故障诊断方法·43·

基于人工智能和深度学习的电力设备故障诊断方法

李鹏刚刘伟轩王锋吴学煊王海龙夏金领

（天津浩源汇能股份有限公司，天津301821）

摘要针对传统关联规则算法在电力设备故障诊断中因忽视噪声消除导致的低准确率问题，提出了一种提出

基于人工智能和深度学习的电力设备故障诊断方法。通过捕捉设备正常运行状态下的信号变化，收集频域故障数据，

并利用度量空间距离映射为综合灰度级故障图像，在此基础上，运用过拟合函数消除图像噪声，得到纯净的故障数

据，采用人工智能算法融合这些数据，形成单一特征的设备故障矢量集合，通过深度学习构建故障诊断模型，输入

矢量数据，输出故障类型，实现精准诊断。仿真实验结果表明，该方法具有更高的诊断准确率，具有实际应用价值。

关键词人工智能；深度学习；电力设备；故障诊断；

中图分类号TN948文献标识码A

AFaultDiagnosisMethodforPowerEquipmentBasedonArtificialIntelligence

andDeepLearning

LiPenggang;LiuWeixuan;WangFeng;WuXuexuan;WangHailong;XiaJinling

（TianjinHaoyuanHuinengCo.,Ltd.TianJing301821）

AbstractApowerequipmentfaultdiagnosismethodbasedonartificialintelligenceanddeeplearningisproposedto

addresstheissueoflowaccuracycausedbyneglectingnoiseeliminationintraditionalassociationrulealgorithms.By

capturingsignalchangesduringnormaloperationoftheequipment,collectingfrequencydomainfaultdata,andmappingit

intoacomprehensivegrayscalefaultimageusingmetricspatialdistance,overfittingfunctionsareusedtoeliminateimage

noiseandobtainpurefaultdata.Artificialintelligencealgorithmsareusedtofusethesedatatoformasinglefeaturesetof

equipmentfaultvectors.Afaultdiagnosismodelisconstructedthroughdeeplearning,andvectordataisinput,Outputfault

typestoachieveaccuratediagnosis.Thesimulationexperimentresultsshowthatthismethodhashigherdiagnosticaccuracy

andpracticalapplicationvalue.

新能源知识科普（本账号发布文档均来源于互联网公开资料，仅用于技术分享交流，相关版权为原作者所有。如果侵犯了您的相关权利，请提出指正，我们将立即删除相关资料）。

更多 >