<?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.2025080016</article-id><article-categories><subj-group subj-group-type="heading"><subject>Article</subject></subj-group></article-categories><title>基于人工智能技术的电力系统故障诊断方法研究</title><url>https://artdesignp.com/journal/EPTSM/2/8/10.61369/EPTSM.2025080016</url><author>张泽栋,刘光源</author><pub-date pub-type="publication-year"><year>2025</year></pub-date><volume>2</volume><issue>8</issue><history><date date-type="pub"><published-time>2025-08-20</published-time></date></history><abstract>电力系统稳定运行对社会经济极为重要，故障若不能及时诊断会造成严重后果，传统故障诊断方法效率低、适应性差等弊端突出，人工智能技术为解决这一困境带来新途径。本文梳理人工智能在电力系统故障诊断中的应用状况，剖析各种诊断方法的原理与特性，阐述研究的理论与现实意义，希望给改善电力系统故障诊断的准确度与时效性给予参照，助力电力系统安全稳定运行。</abstract><keywords>人工智能技术,电力系统故障,诊断方法</keywords></article-meta></front><body/><back><ref-list><ref id="B1" content-type="article"><label>1</label><element-citation publication-type="journal"><p>[1] 林向阳. 人工智能引领未来：大语言模型在电力系统中的创新应用[J].新一代信息技术,2023,6(24):29-34.[2] 武海天. 考虑噪声抗扰特性的配电系统可测试性设计研究[J].自动化应用,2023,64(24):78-80+83.[3] 高伟男. 纤维光学传感器在电力工程中的故障检测与远程监控[J].数字技术与应用,2023,41(12):25-27.[4] 侯博宇. 配网自动化技术在电力系统中的应用[J].光源与照明,2023,(11):213-215.[5] 何富浩, 陈诗伦. 基于电磁时间反转的电网故障定位方法[J].电气应用,2023,42(11):90-98.[6] 姜泽苗, 袁喆. 基于机器学习算法的电力系统故障诊断[J].电气技术与经济,2023,(09):366-368+371.[7]夏飞. 自动化技术在配电系统管理中的应用[J].电子技术,2023,52(11):306-307.[8] 王思习. 基于频谱分析仪的电力系统故障检测与诊断[J].数字通信世界,2023,(11):91-93.[9] 靳金.10kV 配网调度中馈线自动化系统控制技术探讨[J].数字通信世界,2023,(11):106-108.[10] 谭金龙, 熊小伏, 陈军, 等. 基于改进孪生支持向量机的新型电力系统继电保护故障诊断模型[J].沈阳工业大学学报,2023,45(06):631-636.</p><pub-id pub-id-type="doi"/></element-citation></ref></ref-list></back></article>
