面向变压器状态监控的物理信息机器学习 -- 第I部分：基本概念、神经网络及其变体
机器学习
2025-12-30 v1
摘要
电力变压器是电网中的关键资产，其可靠性直接影响电网的韧性和稳定性。传统状态监测方法，常为基于规则或纯物理的，在面对不确定性、数据获取受限以及现代运行条件的复杂性时显得力不从众。近期机器学习（ML）的进展为补充和扩展这些方法提供了强大的工具，使其能够实现更精准的诊断、预估及控制。本两部分系列论文考察了神经网络（NN）及其衍生技术在变压器状态监测和健康管理任务中的作用。本第一篇介绍NN的基本概念，探讨使用多样数据模态进行状态监测的卷积神经网络（CNN），并讨论将NN概念纳入强化学习（RL）范式用于决策和控制的最终观点。最后，也提供了关于新兴研究方向的展望。
引用
@article{arxiv.2512.22190,
title = {Physics-Informed Machine Learning for Transformer Condition Monitoring -- Part I: Basic Concepts, Neural Networks, and Variants},
author = {Jose I. Aizpurua},
journal= {arXiv preprint arXiv:2512.22190},
year = {2025}
}
备注
8 pages, 7 figures, 2 tables, published as conference paper in IEEE Advanced Research Workshop on Transformers 2025 as part of the Tutorial delivered with the title "Physics-informed Machine Learning for Transformer Condition Monitoring"