<?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.7613</article-id><article-categories><subj-group subj-group-type="heading"><subject>Article</subject></subj-group></article-categories><title>基于人工智能的电力系统故障预测与维护优化</title><url>https://artdesignp.com/journal/EPTSM/1/3/10.61369/EPTSM.7613</url><author>刘栖雯</author><pub-date pub-type="publication-year"><year>2024</year></pub-date><volume>1</volume><issue>3</issue><history><date date-type="pub"><published-time>2024-06-20</published-time></date></history><abstract>在现代社会，电力系统的稳定运行对经济发展和社会生活的作用至关重要。随着技术的日益进步，人工智能在电力系统故障预测与维护中的应用日益广泛，为提高系统可靠性提供了新的解决方案。本文旨在探讨人工智能技术如何优化故障预测与维护策略，以应对电力系统面临的挑战，并展望其未来发展潜力。本文将探讨人工智能如何通过数据分析、模型优化和智能化维护策略，提高电力系统的可靠性和效率，并展望其在未来的应用前景与发展潜力。</abstract><keywords>人工智能,电力系统,故障预测,维护优化</keywords></article-meta></front><body/><back><ref-list><ref id="B1" content-type="article"><label>1</label><element-citation publication-type="journal"><p>[1] 张晓明，林宇，刘纪才，等．电力系统中基于人工智能的故障预测技术［J］．智能物联技术，2024,56(01):22-25.[2] 牛娜娜．基于人工智能的电力设备故障诊断与预测算法研究［J］．今日制造与升级，2023(11):151-153+164.[3] 刘裕舸．基于秃鹰搜索算法优化支持向量机的电力系统故障预测方法研究［J］．红水河，2022,41(06):95-101.[4] 王小东．基于人工智能和数据挖掘的电力系统故障分类预测［D］．天津理工大学，2021.[5] 陈昊昊．基于多层分布式卷积神经网络的电力故障预测系统［D］．扬州大学，2019.[6] 类ChatGPT 大语言模型在电力系统中的应用前景［J］．于硕；王司宇；王超；陈震宇；张跃．电气时代，2023(10)：50-53.[7] Exploration of Artificial-intelligence Oriented Power System Dynamic Simulators［J］．Tannan Xiao; Ying Chen; Jianquan Wang; Shaowei Huang; Weilin Tong; TiruiHe.Journal of Modern Power Systems and Clean Energy,2023(02)：401-411.[8] 基于组合神经网络的配电网故障定位方法［J］．张雷；李晓影；张沛；陈玉鑫．电力系统及其自动化学报，2023(09)：87-94.[9] 基于电网专家策略模仿学习的新型电力系统实时调度［J］．朱介北；徐思旸；李炳森；王云逸；王杨；俞露杰；熊雪君；王成山．电网技术，2023(02)：517-530.[10] 新型电力系统仿真应用软件设计理念与发展路径［J］．沈沉；陈颖；黄少伟；于智同；宋炎侃；高仕林．电力系统自动化，2022(10)：75-86.[11] 面向新型电力系统的高性能电磁暂态云仿真技术［J］．陈颖；高仕林；宋炎侃；黄少伟；沈沉；于智同．中国电机工程学报，2022(08)：2854-2864.[12] 基于时空图卷积网络的电力系统暂态稳定评估［J］．庄颖睿；肖谭南；程林；陈颖；关慧哲．电力系统自动化，2022(11)：11-18.[13] &amp;ldquo;十四五&amp;rdquo;智能制造发展规划解读及趋势研判［J］．董凯．中国工业和信息化，2022(01)：26-29.[14] 能源互联网数字孪生及其应用［J］．沈沉；贾孟硕；陈颖；黄少伟；向月．全球能源互联网，2020(01)：1-13.[15] 国家电网公司信息化&amp;ldquo;SG186&amp;rdquo;工程实施战略研究［J］．唐跃中；魏晓菁．电力信息化，2007(10)：18-22.</p><pub-id pub-id-type="doi"/></element-citation></ref></ref-list></back></article>
