电气工程与系统科学 > 系统与控制
[提交于 2025年7月14日
]
标题: 基于人工智能的电力系统故障检测、分类与定位方法综述
标题: Survey on Methods for Detection, Classification and Location of Faults in Power Systems Using Artificial Intelligence
摘要: 电力系统组件容易受到雷击、老化或人为错误引起的故障影响。 这些故障可能导致设备损坏,影响系统可靠性,并导致高昂的维修成本。 随着电力系统的复杂性不断增加,传统的保护方法面临限制和不足。 电力系统中的故障可能在任何时间、任何地点发生,可能由自然灾害或事故引起,其发生很难预测或避免;因此,准确估计故障位置并快速恢复服务至关重要。 开发能够准确检测、定位和消除故障的方法是至关重要的(即,快速隔离故障对于在输电水平上保持系统稳定性是必要的;在配电水平上,准确且快速的故障检测和定位对于提高可靠性和客户满意度至关重要)。 这促使了新而更高效方法的发展。 用于检测和定位电力系统故障的方法可分为两类:传统方法和基于人工智能的技术。 尽管利用人工智能(AI)技术具有巨大的潜力,但它们具有挑战性且耗时(即,许多AI技术需要训练数据进行处理)。 本文综述了人工智能技术在电力系统线路和电缆故障诊断(故障检测、分类和定位)中的应用,涵盖输电和配电水平。 本文提供了人工智能概念的简要介绍,人工智能技术在电力系统分析和设计中的应用概述,以及基于人工智能的故障诊断方法的讨论。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.