基于人工智能和深度学习的电力设备故障诊断方法(1).pdf

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.