基于數(shù)字孿生技術(shù)的新能源輸變電設(shè)備狀態(tài)預(yù)警與故障診斷方法研究

摘要：隨著全球能源結(jié)構(gòu)的轉(zhuǎn)型和“碳達(dá)峰、碳中和”目標(biāo)的提出，新能源發(fā)電系統(tǒng)的發(fā)展迅速推進(jìn)。然而，新能源發(fā)電系統(tǒng)的復(fù)雜性和不確定性使其運(yùn)行和維護(hù)面臨諸多挑戰(zhàn)。傳統(tǒng)的監(jiān)控和故障診斷方法難以實(shí)時(shí)反映設(shè)備的運(yùn)行狀態(tài)，導(dǎo)致電力系統(tǒng)的安全性和可靠性降低。為此，提出了一種基于數(shù)字孿生技術(shù)的智能狀態(tài)預(yù)警與故障診斷方法，旨在提升新能源發(fā)電系統(tǒng)的穩(wěn)定性和安全性。

關(guān)鍵詞：數(shù)字孿生"新能源"輸變電設(shè)備"狀態(tài)預(yù)警"故障診斷

Research"on"the"Status"Warning"and"Fault"Diagnosis"Technology"for"New"Energy"Transmission"and"Transformation"Equipment"Based"on"Digital"Twins

WANG"Du1""WU"Xingzhong2

1.Hunan"Urban"Construction"College，"Xiangtan，"Hu’nan"Province，"411101"China;"2.Training"Center"of"Xiangtan"Iron"and"Steel"Group"Co.，"Ltd.，"Xiangtan，"Hu’nannbsp;Province，"411101"China

Abstract："With"the"transformation"of"the"global"energy"structure"and"the"proposal"of"the"goals"of"\"carbon"peak"and"carbon"neutrality\"，"the"development"of"new"energy"generation"systems"has"been"rapidly"promoted."However，"the"complexity"and"uncertainty"of"new"energy"generation"systems"pose"many"challenges"to"their"operation"and"maintenance."Traditional"monitoring"and"fault"diagnosis"methods"are"difficult"to"reflect"the"real-time"operating"status"of"equipment，"leading"to"a"decrease"in"the"safety"and"reliability"of"the"power"system."Therefore，"this"article"proposes"an"intelligent"status"warning"and"fault"diagnosis"method"based"on"Digital"Twin"technology，"aiming"to"improve"the"stability"and"safety"of"new"energy"generation"systems.

Key"Words："Digital"Twin;"New"energy;"Power"transmission"and"transformation"equipment;"Status"warning;"Fault"diagnosis

新能源發(fā)電系統(tǒng)包括風(fēng)力發(fā)電、光伏發(fā)電等，這些系統(tǒng)具有隨機(jī)性強(qiáng)、波動(dòng)性大的特點(diǎn)。傳統(tǒng)的監(jiān)控和故障診斷方法依賴(lài)于離線(xiàn)檢測(cè)和歷史數(shù)據(jù)，難以實(shí)時(shí)反映設(shè)備的運(yùn)行狀態(tài)，導(dǎo)致故障難以及時(shí)發(fā)現(xiàn)和處理。數(shù)字孿生技術(shù)通過(guò)創(chuàng)建物理實(shí)體的虛擬副本，能夠?qū)崿F(xiàn)對(duì)設(shè)備狀態(tài)的實(shí)時(shí)監(jiān)測(cè)和預(yù)測(cè)，從而提升電力系統(tǒng)的智能化水平。

1"數(shù)字孿生技術(shù)概述

數(shù)字孿生技術(shù)是一種新興的數(shù)字技術(shù)，能夠?qū)ξ锢硎澜邕M(jìn)行高精度的感知、仿真和預(yù)測(cè)。它集成了多物理量、多尺度、多學(xué)科屬性，具有實(shí)時(shí)交互、閉環(huán)反饋的特點(diǎn)，能夠?qū)崿F(xiàn)物理世界與信息世界的交互融合。數(shù)字孿生結(jié)合物聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能、云計(jì)算等技術(shù)，對(duì)解決電力系統(tǒng)中日趨復(fù)雜的監(jiān)測(cè)和預(yù)測(cè)問(wèn)題具有重要意義[1]。

2"數(shù)字孿生技術(shù)在新能源發(fā)電中的應(yīng)用

2.1"輸變電設(shè)備的狀態(tài)監(jiān)測(cè)

實(shí)時(shí)監(jiān)測(cè)和評(píng)估輸變電設(shè)備的運(yùn)行狀態(tài)，實(shí)現(xiàn)對(duì)設(shè)備的故障預(yù)警和精確診斷，對(duì)保證電網(wǎng)安全運(yùn)行極為重要。傳統(tǒng)狀態(tài)評(píng)估方法面臨數(shù)據(jù)不足、評(píng)估模型效果有限、故障診斷不精確等問(wèn)題。發(fā)展智能化的狀態(tài)評(píng)估與預(yù)測(cè)技術(shù)是電力行業(yè)面臨的重要課題。數(shù)字孿生技術(shù)為此提供了新的思路，將其應(yīng)用于輸變電設(shè)備狀態(tài)評(píng)估方面，能使電網(wǎng)規(guī)劃、運(yùn)行、控制實(shí)現(xiàn)精確化，大幅度提升電力系統(tǒng)安全穩(wěn)定水平。

2.1.1"數(shù)據(jù)采集與預(yù)處理

在輸變電設(shè)備上設(shè)置傳感器，采集設(shè)備運(yùn)行狀態(tài)數(shù)據(jù)（如溫度、振動(dòng)、油質(zhì)參數(shù)等），收集設(shè)備的靜態(tài)信息、歷史維護(hù)數(shù)據(jù)等，構(gòu)建設(shè)備數(shù)據(jù)集。利用高性能計(jì)算機(jī)和仿真軟件，根據(jù)狀態(tài)數(shù)據(jù)樣本建立數(shù)字孿生模型。

2.1.2"數(shù)字孿生模型的構(gòu)建

對(duì)采集的數(shù)據(jù)進(jìn)行預(yù)處理，構(gòu)建設(shè)備數(shù)字孿生的物理模型和數(shù)據(jù)驅(qū)動(dòng)模型。訓(xùn)練和驗(yàn)證模型，使其能夠符合設(shè)備的實(shí)際運(yùn)行規(guī)律。設(shè)計(jì)數(shù)字孿生處理流程，開(kāi)發(fā)狀態(tài)評(píng)估和故障預(yù)測(cè)分析模塊。構(gòu)建數(shù)字孿生平臺(tái)，實(shí)現(xiàn)模型的部署和應(yīng)用服務(wù)[2]。

2.1.3"狀態(tài)預(yù)警與故障診斷算法

開(kāi)發(fā)狀態(tài)預(yù)警與故障診斷算法，以提前識(shí)別和預(yù)測(cè)輸變電設(shè)備的異常和故障。運(yùn)用時(shí)間序列分析、機(jī)器學(xué)習(xí)和深度學(xué)習(xí)技術(shù)來(lái)分析從設(shè)備中收集的大量數(shù)據(jù)，使用應(yīng)用程序接口或軟件開(kāi)發(fā)工具包來(lái)實(shí)現(xiàn)模型和平臺(tái)之間的數(shù)據(jù)交換和命令執(zhí)行[3]。這些算法能夠準(zhǔn)確地識(shí)別出潛在的故障跡象，如異常溫度上升或電流波動(dòng)，并自動(dòng)觸發(fā)預(yù)警機(jī)制[4]。

2.1.4"在線(xiàn)部署與實(shí)時(shí)監(jiān)測(cè)

在線(xiàn)部署和實(shí)時(shí)監(jiān)測(cè)的實(shí)現(xiàn)使?fàn)顟B(tài)預(yù)警與故障診斷算法能夠在實(shí)際運(yùn)行環(huán)境中即時(shí)工作。通過(guò)使用云計(jì)算和邊緣計(jì)算技術(shù)，通過(guò)應(yīng)用程序接口或MQTT協(xié)議（IBM開(kāi)發(fā)的一個(gè)即時(shí)通信協(xié)議）等方式，與數(shù)據(jù)采集平臺(tái)進(jìn)行連接，以便進(jìn)行實(shí)時(shí)的數(shù)據(jù)輸入和輸出。

2.2"斷路器的狀態(tài)預(yù)警與故障診斷

斷路器作為電力系統(tǒng)中開(kāi)斷電路極其重要的設(shè)備，其運(yùn)行狀態(tài)和安全性能值得關(guān)注。針對(duì)斷路器的狀態(tài)評(píng)估、在線(xiàn)監(jiān)測(cè)、決策優(yōu)化、運(yùn)營(yíng)管理離線(xiàn)低效等問(wèn)題，基于數(shù)字孿生的高壓斷路器多物理場(chǎng)建模與仿真，通過(guò)建立斷路器數(shù)字孿生模型，分析數(shù)字孿生模型在不同開(kāi)距情況下的多物理場(chǎng)參數(shù)變化情況，掌握斷路器的運(yùn)行狀態(tài)等情況。

2.2.1多物理場(chǎng)耦合仿真

利用先進(jìn)的仿真軟件，進(jìn)行斷路器內(nèi)部的電磁場(chǎng)、流體場(chǎng)和熱場(chǎng)的耦合仿真分析。通過(guò)建立詳細(xì)的三維數(shù)字孿生模型，模擬斷路器在不同負(fù)載條件下的工作狀態(tài)。

2.2.2"故障預(yù)測(cè)與診斷

結(jié)合機(jī)器學(xué)習(xí)和深度學(xué)習(xí)算法，對(duì)斷路器的運(yùn)行數(shù)據(jù)進(jìn)行分析和建模，從而實(shí)現(xiàn)對(duì)其潛在故障的早期預(yù)測(cè)和精確診斷。例如：通過(guò)分析斷路器在短路電流下的溫升特性，可以預(yù)測(cè)其絕緣材料的老化情況[5]。

2.2.3"智能控制系統(tǒng)的開(kāi)發(fā)

基于數(shù)字孿生模型的結(jié)果，開(kāi)發(fā)智能控制系統(tǒng)，以提高斷路器的操作效率和可靠性。通過(guò)實(shí)時(shí)調(diào)整斷路器的操作參數(shù)，確保其在各種極端條件下都能正常運(yùn)行。

2.3"變壓器的狀態(tài)預(yù)警與故障診斷

變壓器是電力系統(tǒng)中的關(guān)鍵設(shè)備之一，其繞組的振動(dòng)特性和熱特性對(duì)電力系統(tǒng)的穩(wěn)定性和可靠性至關(guān)重要。通過(guò)建立數(shù)字孿生模型分析不同開(kāi)距情況下的多物理場(chǎng)參數(shù)變化，掌握變壓器的運(yùn)行狀態(tài)，并對(duì)其進(jìn)行故障診斷和壽命預(yù)測(cè)[6]。

2.3.1"振動(dòng)特性分析

利用加速度傳感器和聲學(xué)傳感器，采集變壓器繞組的振動(dòng)信號(hào)。通過(guò)頻譜分析和時(shí)域分析方法，識(shí)別變壓器繞組中的異常振動(dòng)模式。利用數(shù)字孿生模型，對(duì)這些振動(dòng)信號(hào)進(jìn)行仿真分析，找出可能的故障原因。

2.3.2"熱特性監(jiān)測(cè)

通過(guò)布置溫度傳感器在變壓器的關(guān)鍵部位（如鐵芯、繞組等），實(shí)時(shí)監(jiān)測(cè)其溫度變化情況。結(jié)合熱力學(xué)原理和傳熱學(xué)理論，建立變壓器的熱特性數(shù)字孿生模型，分析其在各種負(fù)載條件下的溫度分布情況。

2.3.3"綜合故障診斷

結(jié)合振動(dòng)特性分析和熱特性監(jiān)測(cè)結(jié)果，利用綜合故障診斷算法，對(duì)變壓器的整體健康狀況進(jìn)行全面評(píng)估。通過(guò)對(duì)比歷史數(shù)據(jù)和實(shí)時(shí)數(shù)據(jù)的變化趨勢(shì)，判斷變壓器是否存在潛在的故障隱患。

3"關(guān)鍵技術(shù)與實(shí)現(xiàn)方法

3.1"數(shù)據(jù)采集與預(yù)處理

3.1.1"傳感器布置與數(shù)據(jù)采集

為了全面監(jiān)測(cè)輸變電設(shè)備的運(yùn)行狀態(tài)，需要在關(guān)鍵部位安裝多種類(lèi)型的傳感器，包括溫度傳感器、振動(dòng)傳感器、壓力傳感器和油質(zhì)分析傳感器。這些傳感器能夠?qū)崟r(shí)采集設(shè)備運(yùn)行過(guò)程中的各種物理量數(shù)據(jù)。例如：溫度傳感器可以監(jiān)測(cè)變壓器的鐵芯和繞組溫度，振動(dòng)傳感器可以檢測(cè)變壓器和斷路器的機(jī)械振動(dòng)特性，壓力傳感器可以測(cè)量開(kāi)關(guān)柜內(nèi)的氣壓變化，油質(zhì)分析傳感器可以監(jiān)測(cè)變壓器油中的溶解氣體成分。

3.1.2"數(shù)據(jù)預(yù)處理技術(shù)

采集到的原始數(shù)據(jù)通常包含大量的噪聲和異常值，因此需要進(jìn)行預(yù)處理以提高數(shù)據(jù)質(zhì)量[7]。常用的數(shù)據(jù)預(yù)處理方法包括濾波、去噪、歸一化和標(biāo)準(zhǔn)化等。通過(guò)這些方法，可以去除數(shù)據(jù)的隨機(jī)噪聲、平滑時(shí)間序列數(shù)據(jù)，以及將不同量綱的數(shù)據(jù)轉(zhuǎn)換為統(tǒng)一的尺度。例如：對(duì)于溫度傳感器采集的數(shù)據(jù)，可以使用滑動(dòng)平均法進(jìn)行濾波處理；對(duì)于振動(dòng)信號(hào)，可以應(yīng)用傅里葉變換和小波變換提取主要的頻率成分；對(duì)于油質(zhì)分析數(shù)據(jù)，可以通過(guò)主成分分析減少特征維度，提高數(shù)據(jù)處理效率。

3.2"數(shù)字孿生模型的構(gòu)建

對(duì)采集的數(shù)據(jù)進(jìn)行預(yù)處理后，需要構(gòu)建設(shè)備的數(shù)字孿生模型。該模型分為物理模型和數(shù)據(jù)驅(qū)動(dòng)模型兩部分，分別用于反映設(shè)備的物理結(jié)構(gòu)和運(yùn)行規(guī)律。

3.2.1"物理模型的構(gòu)建

物理模型是基于設(shè)備的物理結(jié)構(gòu)建立的數(shù)學(xué)模型。通過(guò)對(duì)設(shè)備的結(jié)構(gòu)進(jìn)行詳細(xì)解析，建立其幾何形狀、材料屬性、邊界條件等參數(shù)的數(shù)學(xué)描述。例如：對(duì)于變壓器而言，需要建立其磁路方程、熱傳導(dǎo)方程和電磁場(chǎng)方程等物理方程組，并結(jié)合實(shí)驗(yàn)數(shù)據(jù)進(jìn)行校準(zhǔn)。物理模型的準(zhǔn)確性直接影響到數(shù)字孿生系統(tǒng)的可靠性和預(yù)測(cè)精度[8]。

3.2.2"數(shù)據(jù)驅(qū)動(dòng)模型的構(gòu)建

數(shù)據(jù)驅(qū)動(dòng)模型是基于大量歷史運(yùn)行數(shù)據(jù)建立的統(tǒng)計(jì)模型。通過(guò)機(jī)器學(xué)習(xí)或深度學(xué)習(xí)算法訓(xùn)練模型，使其能夠自動(dòng)識(shí)別出設(shè)備在不同工況下的運(yùn)行模式和故障特征。常用的機(jī)器學(xué)習(xí)算法包括支持向量機(jī)、隨機(jī)森林和神經(jīng)網(wǎng)絡(luò)等。例如：可以利用深度神經(jīng)網(wǎng)絡(luò)對(duì)變壓器的溫度和振動(dòng)數(shù)據(jù)進(jìn)行分析，預(yù)測(cè)其繞組熱點(diǎn)溫度的變化趨勢(shì)。

3.3"狀態(tài)預(yù)警與故障診斷算法

開(kāi)發(fā)狀態(tài)預(yù)警與故障診斷算法是確保電力系統(tǒng)穩(wěn)定運(yùn)行的關(guān)鍵步驟。這些算法旨在提前識(shí)別和預(yù)測(cè)輸變電設(shè)備的異常和故障，從而采取有效的預(yù)防措施。

3.3.1"時(shí)間序列分析

時(shí)間序列分析是用于處理和分析時(shí)間序列數(shù)據(jù)的一種統(tǒng)計(jì)方法。通過(guò)構(gòu)建時(shí)間序列模型，如自回歸移動(dòng)平均模型（Autoregressive"Moving"Average"Model，ARMA），可以對(duì)設(shè)備的歷史運(yùn)行數(shù)據(jù)進(jìn)行擬合，從而預(yù)測(cè)未來(lái)的運(yùn)行趨勢(shì)。例如：通過(guò)分析斷路器的電流和溫度時(shí)間序列數(shù)據(jù)，可以發(fā)現(xiàn)其潛在的過(guò)熱問(wèn)題。

3.3.2"機(jī)器學(xué)習(xí)與深度學(xué)習(xí)

機(jī)器學(xué)習(xí)和深度學(xué)習(xí)算法在輸變電設(shè)備的狀態(tài)評(píng)估中具有重要應(yīng)用。利用這些算法，可以從海量數(shù)據(jù)中挖掘出有用的特征信息，從而實(shí)現(xiàn)對(duì)設(shè)備健康狀況的準(zhǔn)確評(píng)估。常見(jiàn)的機(jī)器學(xué)習(xí)算法包括決策樹(shù)[9]、K近鄰算法[10]和支持向量機(jī)等；深度學(xué)習(xí)算法則包括卷積神經(jīng)網(wǎng)絡(luò)（Convolutional"Neural"Networks，CNN）、循環(huán)神經(jīng)網(wǎng)絡(luò)（Recurrent"Neural"Network，RNN）[11]和長(zhǎng)短期記憶網(wǎng)絡(luò)（Long"Short-Term"Memory，LSTM）等。例如：利用CNN對(duì)變電站內(nèi)的視頻監(jiān)控圖像進(jìn)行分析，可以實(shí)時(shí)識(shí)別設(shè)備周?chē)漠惓Ｇ闆r；利用LSTM對(duì)變壓器的油色譜數(shù)據(jù)進(jìn)行分析，可以預(yù)測(cè)其絕緣老化程度。

3.4"在線(xiàn)部署與實(shí)時(shí)監(jiān)測(cè)

通過(guò)使用云計(jì)算和邊緣計(jì)算技術(shù)，通過(guò)APIs或MQTT協(xié)議等方式與數(shù)據(jù)采集平臺(tái)進(jìn)行連接，以便進(jìn)行實(shí)時(shí)數(shù)據(jù)輸入和輸出。

3.4.1"云計(jì)算與邊緣計(jì)算的結(jié)合

云計(jì)算提供了強(qiáng)大的計(jì)算資源和存儲(chǔ)能力，適合處理大規(guī)模的數(shù)據(jù)分析任務(wù)；邊緣計(jì)算則靠近設(shè)備現(xiàn)場(chǎng)，能夠?qū)崿F(xiàn)低延遲的實(shí)時(shí)數(shù)據(jù)處理。結(jié)合二者的優(yōu)勢(shì)，可以實(shí)現(xiàn)高效的數(shù)據(jù)處理架構(gòu)。例如：將部分復(fù)雜的數(shù)據(jù)處理任務(wù)放在云端執(zhí)行，將實(shí)時(shí)數(shù)據(jù)處理任務(wù)放在邊緣設(shè)備上完成[13]，這樣既能保證數(shù)據(jù)處理的效率，又能降低數(shù)據(jù)傳輸?shù)难舆t。

3.4.2"實(shí)時(shí)數(shù)據(jù)傳輸與處理

通過(guò)APIs或MQTT協(xié)議等方式實(shí)現(xiàn)數(shù)據(jù)采集平臺(tái)與狀態(tài)預(yù)警系統(tǒng)的實(shí)時(shí)數(shù)據(jù)傳輸和交換。采用先進(jìn)的通信協(xié)議（如TCP/IP、UDP等），確保數(shù)據(jù)傳輸?shù)姆€(wěn)定性和可靠性；同時(shí)，利用消息隊(duì)列（如RabbitMQ、Kafka等）進(jìn)行緩沖和解耦處理，以提高系統(tǒng)的抗沖擊能力和靈活性。例如：當(dāng)變壓器出現(xiàn)異常時(shí)，通過(guò)MQTT協(xié)議快速通知預(yù)警系統(tǒng)進(jìn)行處理；當(dāng)斷路器發(fā)生短路時(shí)，通過(guò)API接口觸發(fā)保護(hù)裝置進(jìn)行緊急操作。

4"應(yīng)用分析

通過(guò)在某新能源集團(tuán)實(shí)際系統(tǒng)的測(cè)試和應(yīng)用，可知數(shù)字孿生技術(shù)在輸變電設(shè)備狀態(tài)評(píng)估中具備有效性。數(shù)字孿生技術(shù)能夠準(zhǔn)確反映設(shè)備的運(yùn)行狀態(tài)，提前預(yù)警潛在故障，提高故障診斷的準(zhǔn)確性和效率。具體表現(xiàn)如下。

4.1"提高了故障檢測(cè)的準(zhǔn)確性

與傳統(tǒng)方法相比，基于數(shù)字孿生技術(shù)的故障檢測(cè)更加精準(zhǔn)、可靠。例如：在變壓器的狀態(tài)監(jiān)測(cè)中，通過(guò)數(shù)字孿生模型，可以準(zhǔn)確預(yù)測(cè)繞組熱點(diǎn)溫度的變化趨勢(shì)，提前發(fā)現(xiàn)絕緣老化等問(wèn)題。

4.2"提升了故障診斷的效率

通過(guò)深度學(xué)習(xí)算法和數(shù)據(jù)驅(qū)動(dòng)模型的結(jié)合，實(shí)現(xiàn)了對(duì)復(fù)雜故障機(jī)理的快速識(shí)別。例如：在斷路器的狀態(tài)監(jiān)測(cè)中，通過(guò)多物理場(chǎng)耦合計(jì)算，可以詳細(xì)分析滅弧室內(nèi)介質(zhì)的特性變化。

4.3"增強(qiáng)了系統(tǒng)的魯棒性

數(shù)字孿生技術(shù)能夠在惡劣的工作條件下穩(wěn)定運(yùn)行，確保長(zhǎng)時(shí)間監(jiān)測(cè)不會(huì)因環(huán)境變化而失效。例如：在光伏發(fā)電系統(tǒng)中應(yīng)用數(shù)字孿生技術(shù)后，系統(tǒng)能夠適應(yīng)光照強(qiáng)度的變化并持續(xù)提供可靠的數(shù)據(jù)支持。

5"結(jié)語(yǔ)

綜上所述，基于數(shù)字孿生技術(shù)的智能狀態(tài)預(yù)警與故障診斷方法能有效提升新能源發(fā)電系統(tǒng)的智能化水平和安全性。未來(lái)研究應(yīng)進(jìn)一步探索其在更廣泛場(chǎng)景中的應(yīng)用潛力，突破技術(shù)難點(diǎn)，降低成本，發(fā)揮數(shù)字孿生技術(shù)在新能源系統(tǒng)輸變電設(shè)備中的監(jiān)控、預(yù)判和診斷作用。

參考文獻(xiàn)

[1]"王旭，黃海軍.新能源電站數(shù)字化建設(shè)路徑[J].電力安全技術(shù)，2024，26（9）：23-26.

[2]"王榕泰，吳細(xì)秀，冷宇寬，等.數(shù)字孿生技術(shù)在新型電力系統(tǒng)中的發(fā)展綜述[J].電網(wǎng)技術(shù)，2024，48（9）：3872-3889.

[3]"葉詠青，陳竹永，朱明江.輸變電設(shè)備狀態(tài)監(jiān)測(cè)與故障診斷技術(shù)分析[J].電子技術(shù)，2024，53（8）：210-211.

[4]"景曉鵬，王偉東，王昊.基于大數(shù)據(jù)故障診斷的配電系統(tǒng)可行性分析[J].數(shù)字傳媒研究，2024，41（7）：3-6.

[5]"吳英杰，陳思猷.配電運(yùn)檢系統(tǒng)中的故障診斷與預(yù)測(cè)技術(shù)研究[J].家電維修，2024（11）：95-97.

[6]"張考，何凱琳，楊沛豪.基于模糊強(qiáng)化學(xué)習(xí)的電力變壓器故障診斷算法研究[J].綜合智慧能源，2024，46（10）：48-55.

[7]"王潮.基于非線(xiàn)性狀態(tài)估計(jì)的設(shè)備預(yù)警維修決策優(yōu)化研究[D].武漢：華中科技大學(xué)，2023

[8]"李琪，顧嘉華，趙新婭.基于數(shù)字孿生的高比例新能源接入系統(tǒng)穩(wěn)定控制研究[J].電氣技術(shù)與經(jīng)濟(jì)，2024（10）：37-40.

[9]"湯玥.基于機(jī)器學(xué)習(xí)的智能電氣設(shè)備故障診斷技術(shù)研究[J].高科技與產(chǎn)業(yè)化，2024，30（9）：50-51.

[10]"朱泉縉.基于機(jī)器學(xué)習(xí)的高壓電力變電站設(shè)備故障預(yù)測(cè)與診斷方法研究[J].儀器儀表用戶(hù)，2024，31（10）：24-26.

[11]"趙康狄.基于深度學(xué)習(xí)的風(fēng)機(jī)狀態(tài)全息感知系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D].北京：北京交通大學(xué)，2023.

[12]"李程，郭磊，張雅，等.基于區(qū)塊鏈技術(shù)的輸變電設(shè)備狀態(tài)量監(jiān)測(cè)方案及安全性分析[J].上海節(jié)能，2022（1）：74-80

[13]"蕭展輝，甘瑩，柯婷，等.基于數(shù)據(jù)中臺(tái)的電網(wǎng)數(shù)據(jù)全鏈路監(jiān)控方法[J/OL].自動(dòng)化技術(shù)與應(yīng)用：1-6[2024-10-28].http：//kns.cnki.net/kcms/detail/23.1474.TP.20241028.1125.038.html.