<?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">ME</journal-id><journal-title-group><journal-title>Modern Engineering</journal-title></journal-title-group><issn>2996-6973</issn><eissn>2996-6981</eissn><publisher><publisher-name>Art and Technology</publisher-name></publisher></journal-meta><article-meta><article-id pub-id-type="doi">10.61369/ME.2026060010</article-id><article-categories><subj-group subj-group-type="heading"><subject>Article</subject></subj-group></article-categories><title>关于变电站电气设备运行状态自动化预测方法的研究</title><url>https://artdesignp.com/journal/ME/3/6/10.61369/ME.2026060010</url><author>刘一平</author><pub-date pub-type="publication-year"><year>2026</year></pub-date><volume>3</volume><issue>6</issue><history><date date-type="pub"><published-time>2026-06-20</published-time></date></history><abstract>变电站电气设备的运行状态直接关系电网安全。传统人工巡检效率低且易漏检。研究提出一种基于数据驱动的自动化预测方法，通过采集设备历史运行数据，建立特征参数体系，应用机器学习算法构建预测模型。实验结果表明，该方法可有效识别设备状态变化趋势，预测准确率达到较高水平，为变电站设备维护提供决策支持。方法响应快，准确率高且稳定，便于现场部署。</abstract><keywords>变电站,电气设备,运行状态</keywords></article-meta></front><body/><back><ref-list><ref id="B1" content-type="article"><label>1</label><element-citation publication-type="journal"><p>[1] 晏云明. 变电站电气设备运行状态自动化预测方法[J]. 模型世界,2024(22):81-83.[2] 王军华, 李富强, 胡晓华, 等. 变电站电气设备运行状态自动化预测方法[J]. 自动化与仪表,2023,38(11):17-20,93.[3] 陈钢. 变电站电气设备的状态检修和状态监测技术现状及其发展趋势[J]. 贵州电力技术,2005,8(1):15-17.[4] 张杰. 变电站电气设备状态检修优化对策研究[J]. 电脑采购,2024(52):78-80.[5] 侯东方, 徐天, 王俊. 220kV 及以下变电站设备状态的监测与预测应用[J]. 大众用电,2023,38(9):40-41.</p><pub-id pub-id-type="doi"/></element-citation></ref></ref-list></back></article>
