典型文献
基于人工智能技术的电力测量仪表短路故障自动化诊断方法
文献摘要：
针对现有电力测量仪表短路故障诊断方法存在的诊断精准度低的问题,利用人工智能技术实现故障自动化诊断方法的优化设计.根据各个短路故障类型的原理和特征,设置电力测量仪表短路故障诊断依据.根据电力测量仪表的内部组成元件以及电路连接情况,构建等效模型.自动化采集电力测量仪表实时低电压和电流数据,利用人工智能技术中的神经网络算法,提取运行数据特征.最终通过与设置诊断依据的匹配,输出包含故障运行参数和短路故障类型的诊断结果.通过性能测试实验得出结论:与传统诊断方法相比,设计短路故障自动化诊断方法的故障参数误差更小,短路故障类型诊断正确率更高,即设计故障自动化诊断方法在精准性能方面更加具有优势.
文献关键词：
人工智能技术;电力测量仪表;短路故障;故障自动化诊断
中图分类号：
作者姓名：
范吉明;仝香
作者机构：
江苏省淮安技师学院,江苏 淮安 223001
文献出处：
引用格式：
[1]范吉明;仝香-.基于人工智能技术的电力测量仪表短路故障自动化诊断方法)[J].流体测量与控制,2022(06):77-82
A类：
电力测量仪表,故障自动化诊断
B类：
短路故障,故障诊断方法,故障类型,诊断依据,等效模型,自动化采集,集电,低电压,流数据,神经网络算法,运行数据,数据特征,运行参数,诊断结果,通过性,性能测试实验,传统诊断,类型诊断,诊断正确率,精准性
AB值：
0.155337
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
