← 返回
电力电子系统故障诊断中的数据挖掘应用：系统综述
Data Mining Applications to Fault Diagnosis in Power Electronic Systems: A Systematic Review
| 作者 | |
| 期刊 | IEEE Transactions on Power Electronics |
| 出版日期 | 日期未知 |
| 技术分类 | 智能化与AI应用 |
| 技术标签 | 故障诊断 机器学习 深度学习 可靠性分析 |
| 相关度评分 | ★★★★★ 5.0 / 5.0 |
| 关键词 | 电力电子系统 故障诊断 数据挖掘 人工神经网络 机器学习 深度学习 可靠性 |
语言:
中文摘要
本文综述了电力电子系统（PES）故障诊断的研究进展，重点介绍了基于数据挖掘的技术，包括人工神经网络、机器学习和深度学习算法。文章探讨了这些先进算法在提升系统可靠性、实现早期故障检测方面的应用潜力与挑战。
English Abstract
Early fault detection in power electronic systems (PESs) to maintain reliability is one of the most important issues that has been significantly addressed in recent years. In this article, after reviewing various works of literature based on fault detection in PESs, data mining-based techniques including artificial neural network, machine learning, and deep learning algorithms are introduced. Then...
S
SunView 深度解读
该研究直接服务于阳光电源的核心可靠性战略。在光伏逆变器（如SG系列组串式逆变器）和储能系统（如PowerTitan系列）中，引入机器学习和深度学习进行故障预测与健康管理（PHM）是提升运维效率的关键。通过iSolarCloud平台集成此类算法，可实现从“被动维修”向“主动运维”的转型，有效降低电站停机损失。建议研发团队将文中提到的数据挖掘技术应用于功率模块的寿命预测及关键器件（如IGBT、电容）的早期故障预警，从而进一步优化产品全生命周期管理，巩固阳光电源在智能化运维领域的领先地位。