综述：基于人工智能的预测性维护技术提升电力变压器的可靠性：系统综述

《Next Energy》：AI-driven predictive maintenance for enhanced reliability of power transformers: Systematic review

　　

摘要

电力变压器是电气基础设施中的重要组成部分，其意外故障可能导致巨大的经济损失和电网不稳定。如今，随着物联网（IoT）等智能监控技术的不断发展以及多种决策模型的应用，电力变压器的维护方式逐渐转向基于人工智能的预测性维护。人工智能与工业物联网的结合使得实时感知、学习与决策成为可能，从而提升异常检测与分类的准确性，实现剩余使用寿命估算、设备健康状况评估以及根本原因分析。本文对过去10年间针对电力变压器开发的基于人工智能的预测性维护方法进行了系统性综述，涵盖了传统的状态监测策略（如溶解气体分析），经典的机器学习模型，深度学习模型，混合与集成架构，数据增强技术，数字孪生技术以及多模态数据融合方法，还有物联网与传感器的整合方式以及性能评估指标。此外，文章还对各类方法的优点与局限性进行了比较，并对多种方法的准确率进行了综合分析。最后，本文总结了当前面临的关键挑战、研究空白以及未来的研究方向，重点探讨了数据质量与多样性、可解释性、类别不平衡问题、系统可扩展性、大型基础模型、多机构协作下的联邦学习、网络安全，以及在工业5.0理念下通过规范性维护实现的可持续性发展等问题。这份系统性综述将技术创新与基于人工智能的预测性维护理念相结合，为构建可扩展、可靠且高效的下一代智能电网系统奠定了坚实基础。

Dessalegn Bitew Aeggegn|Aloys Oriedi Akumu|Agha Francis Nnachi