基于多源信息和机器学习算法的电能表故障诊断研究

Chinese

您当前的位置：

首页 >

文章列表页 >

控制理论与应用 | 更新时间：2026-06-19

- 基于多源信息和机器学习算法的电能表故障诊断研究
- 基于多源信息和机器学习算法的电能表故障诊断研究
- 自动化技术与应用 2024年43卷第10期页码：60-64
- 作者机构：
  
  1. 国网青海省电力公司营销服务中心
  2. 威胜集团有限公司
- 作者简介：
- 基金信息：
  
  国网青海省电力公司营销服务中心营销项目(63283422000A)
- DOI：10.20033/j.1003-7241.(2024)10-0060-05
  中图分类号： TM933.4;TP181
- 纸质出版：2024
- 稿件说明：
移动端阅览
马斌, 韩洁琼, 龙存玉, 等. 基于多源信息和机器学习算法的电能表故障诊断研究[J]. 自动化技术与应用, 2024,43(10):60-64.

马斌, 韩洁琼, 龙存玉, et al. 基于多源信息和机器学习算法的电能表故障诊断研究[J]. 2024, 43(10): 60-64.
马斌, 韩洁琼, 龙存玉, 等. 基于多源信息和机器学习算法的电能表故障诊断研究[J]. 自动化技术与应用, 2024,43(10):60-64. DOI： 10.20033/j.1003-7241.(2024)10-0060-05.

马斌, 韩洁琼, 龙存玉, et al. 基于多源信息和机器学习算法的电能表故障诊断研究[J]. 2024, 43(10): 60-64. DOI： 10.20033/j.1003-7241.(2024)10-0060-05.

为提升电能表的自动化管理水平，设计了基于多源信息和机器学习算法的电能表故障诊断方法。首先采集电能表的检定数据、用电数据、运行电压等多源信息，利用一致性判断方法融合所采集的电能表多源信息，然后选取独立成分分析(Independent Component Correlation Algorithm

ICA)方法利用ICA变换处理电能表多源信息融合结果，提取多源信息中包含的电能表故障特征，最后提取的电能表故障特征作为支持向量机的输入，利用人工蜂群算法优化支持向量机，输出电能表故障诊断结果。实验结果表明，该方法可以有效诊断电能表的电池欠压、继电器损坏等不同类型故障，为电能表故障分析提供依据。

朱赞明.基于信息融合的电力系统继电保护整定计算方法[J].自动化技术与应用,2024(09).

许涛,张闯,刘洋,杨扬,陈月,刘鑫宇.基于LoRa技术的智能电能表研究[J].电测与仪表,2023(08).

程诗尧,武赫,朱锦山,袁铭敏,曾纬和.批量智能电能表故障率预测方法的研究[J].仪器仪表与分析监测,2022(02).

韩彤,杨正宇,陈叶,赵振刚.改进人工蜂群算法优化SVM的电能表故障诊断研究[J].机床与液压,2022(06).

陈亮,黄友朋,路韬,党三磊,张捷,何胜宗.基于失效物理的电能表故障定位与复现方法研究[J].电子器件,2021(04).

刘光界,李翔,陈叶,王恩,金琦皓,赵振刚.基于属性一致性理论的电能表软件可靠性测试结果处理及评估研究[J].电测与仪表,2021(11).

郭斌,冯兴兴,何圣川,许丽娟.电能计量装置在线故障诊断系统设计[J].科技通报,2021(07).

石黄霞,李文亮,杨白洁.小波分析和支持向量机的电力系统局部放电检测方法[J].自动化技术与应用,2021(06).

滕永兴,曹国瑞,杨霖,钟睿君,朱逸群,李祺.基于混合威布尔分布的电能表寿命预测研究[J].电气传动,2021(01).

浏览量

178

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于蚁狮算法优化支持向量机的电力通信网故障诊断

基于一阶相关性模型的工业机器人故障诊断方法

基于独立成分分析与LSTM网络的患者病情预测模型研究

双碳背景下结合Informer和IPOA算法的电力负荷预测

基于DS证据理论与多标签算法的区域电网故障诊断方法