<?xml version="1.1" encoding="utf-8"?>
<article xsi:noNamespaceSchemaLocation="http://jats.nlm.nih.gov/publishing/1.1/xsd/JATS-journalpublishing1-mathml3.xsd" dtd-version="1.1" xmlns:xlink="http://www.w3.org/1999/xlink" xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"><front><journal-meta><journal-id journal-id-type="publisher-id">EPTSM</journal-id><journal-title-group><journal-title>Electric Power Technology and Safety Management</journal-title></journal-title-group><issn>2997-3473</issn><eissn>2997-3503</eissn><publisher><publisher-name>Art and Technology</publisher-name></publisher></journal-meta><article-meta><article-id pub-id-type="doi">10.61369/EPTSM.11683</article-id><article-categories><subj-group subj-group-type="heading"><subject>Article</subject></subj-group></article-categories><title>电力工程维护中的大数据分析与故障预测模型</title><url>https://artdesignp.com/journal/EPTSM/1/8/10.61369/EPTSM.11683</url><author>高扬</author><pub-date pub-type="publication-year"><year>2024</year></pub-date><volume>1</volume><issue>8</issue><history><date date-type="pub"><published-time>2024-11-20</published-time></date></history><abstract>随着信息技术发展，电力行业进入大数据时代。电力工程稳定性至关重要，但传统故障检测和预测方法依赖人工，存在效率低、成本高、预测不准等问题。大数据分析技术为电力工程维护提供新方案，能揭示设备运行规律和潜在故障特征，实现早期预警和精准定位。本文介绍电力工程维护现状，分析传统方法局限，阐述大数据应用优势，探讨故障预测模型构建方法，包括数据预处理、特征提取等步骤，并展望大数据技术在电力工程维护中的未来趋势，提出加强数据共享、深化算法研究等建议，旨在为电力工程维护领域的大数据应用提供理论参考和实践指导，推动电力行业智能化、高效化发展。</abstract><keywords>电力工程维护,大数据分析,故障预测模型,特征提取,资源配置</keywords></article-meta></front><body/><back><ref-list><ref id="B1" content-type="article"><label>1</label><element-citation publication-type="journal"><p>[1] 林麒麟. 基于神经网络智能算法的电力系统短期负荷预测研究[D]. 兰州理工大学,2017.[2] 刘金瑞. 探究数据挖掘和人工智能理论在短期电力负荷预测中的应用[J].数字通信世界,2017,(11):179.[3] 丁晓, 孙虹, 郑海雁, 等. 基于配用电大数据的短期负荷预测[J].电力工程技术, 2018, 37(3):7.[4] 朱永利, 李莉, 宋亚奇, 等.ODPS平台下的电力设备监测大数据存储与并行处理方法[J].电工技术学报, 2017, 32(9):12.[5] 程骋, 杨涛, 唐漾, 等. 基于大数据的故障诊断与预测理论及技术专题序言[J].控制工程, 2022, 29(2):193-197.[6] 张霞, 张涛, 李玉梅, 等. 基于EMD的井下近钻头振动数据分析[J].北京信息科技大学学报( 自然科学版),2019,34(06):59-63.[7]洪嘉灏. 基于GBDT模型的股价趋势预测研究[D]. 暨南大学,2017.[8] 陈智成. 大跨度桥梁荷载和响应的空间监测数据处理与建模方法[D]. 哈尔滨工业大学,2018.[9] 王资远. 基于大数据的电力负荷预测研究[D]. 天津职业技术师范大学,2022.[10] 郭婷婷. 大数据分析技术在采集运维业务中的应用研究[J].建筑工程技术与设计, 2018, 000(020):4411，2203.</p><pub-id pub-id-type="doi"/></element-citation></ref></ref-list></back></article>
