典型文献
基于强化学习的电力设备故障自动溯源方法
文献摘要：
针对传统故障自动溯源方法存在的故障定位精度不高、故障判别过程复杂等问题,提出了基于强化学习的故障定位算法,能够在短时间内识别出故障位置,提高了诊断的准确率.通过将图像数据集与神经网络模型进行联合训练,将复杂场景图像中的特征进行提取和选择,利用随机强化学习的特性来解决分类问题.利用图像分类器实现故障定位并与现有方法进行对比,结果表明该方法在图像识别领域具有较高的识别精度.由于传统方法在电力设备故障自动溯源实际应用中误判率较高,已经无法满足实际在精度方面的需求,提出基于强化学习的电力设备故障自动溯源方法.建立行为-故障因果链数学模型,对电力设备故障自动溯源问题进行数学描述,对电力设备故障数据离散化处理,并采用强化学习理论对故障数据进行溯源分析,确定电力设备源头故障,实现了强化学习的电力设备故障自动溯源.实验结果表明,设计方法平均误判率为0.21％,具有较高的溯源精度,设计方法在电力设备故障自动溯源方面具有良好的应用前景.
文献关键词：
强化学习;电力设备故障;自动溯源;误判率
中图分类号：
作者姓名：
殷嘉伟;沈祥
作者机构：
南瑞集团有限公司(国网电力科学研究院有限公司),江苏 南京 210000
文献出处：
引用格式：
[1]殷嘉伟;沈祥-.基于强化学习的电力设备故障自动溯源方法)[J].自动化应用,2022(10):49-51
A类：
自动溯源
B类：
强化学习,电力设备故障,溯源方法,故障定位,定位精度,故障判别,别过,定位算法,故障位置,图像数据集,联合训练,复杂场景,场景图像,分类问题,用图像分类,分类器,图像识别,识别精度,误判率,立行,因果链,故障数据,离散化处理,学习理论,溯源分析
AB值：
0.216073
相似文献
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。
