基于强化学习的电力设备故障自动溯源方法

Automatic tracing method of power equipment faults based on reinforcement learning

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。