基于人工智能技术的煤矿变电所故障诊断与预测维护研究  

作　　者：李志江 陈连虎 杨文龙 

机构地区：[1]内蒙古上海庙矿业有限公司新上海一号煤矿 [2]兖矿能源集团股份有限公司济宁二号煤矿

出　　处：《电气技术与经济》2024年第8期57-59,62,共4页Electrical Equipment and Economy

摘　　要：本文针对煤矿变电所故障诊断与预测维护问题,探讨了基于长短时记忆网络(LSTM)的深度学习方法。文章首先介绍了人工智能技术在煤矿变电所故障诊断中的应用背景与重要性,随后详细阐述了LSTM在处理时间依赖数据方面的优势。通过对LSTM模型的构建与实验验证,本研究展示了该模型在准确诊断和预测变电所故障方面的有效性。实验结果表明,LSTM模型相较于传统时间序列分析法,在故障诊断的准确率和效率方面有显著提升。本研究为变电所的故障预测与维护提供了新的技术手段,并为深度学习技术在工业应用中的拓展提供了有益的探索。

关 键 词：人工智能 长短时记忆网络 煤矿变电所 故障诊断 预测维护 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程] TD611.2[自动化与计算机技术—控制科学与工程]