.png){kind=icon}
返回
GUIDE–PdM: A Data-Informed Framework for Method Selection in Predictive Maintenance
.png){kind=icon}
OA
AI
DOI：10.1109/access.2026.3711486.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
人工智能已成为电力系统预测性维护的突出方法，其驱动力在于需要预测故障并提高电网可靠性。然而，高级模型往往在未经系统评估数据质量、维护目标和运营约束是否可行或具有优势的情况下被采用。在电力系统高风险应用中，方法选择不当可能导致难以部署的解决方案、增加成本并延误可操作结果。这促使需要明确、数据驱动的标准，以在复杂的人工智能、传统数据驱动和非数据驱动方法中为选择合适的预测性维护方法提供依据。本文提出GUIDE–PdM，一个五阶段决策支持框架，使建模策略与数据准备情况和资产管理目标保持一致。GUIDE–PdM通过问题定义、数据表征、方法选择、模型开发和适应性部署，以结构化流程支持从业者，其中复杂人工智能的使用由证据证明而非假设。为补充该框架，我们提供数据-方法映射表，将数据模态、约束和应用需求与文献中报道的方法相联系。该框架以伪代码和流程图形式形式化，并在附录中提供一个案例的完整数值实例化。其适用性通过电网运行和资产管理中的四个案例研究得到展示，说明数据准备情况、系统复杂性和运营约束如何共同影响方法选择。尽管案例研究侧重于电力系统资产，但相同的方法应适用于具有类似约束和类似方法选择证明需求的工业领域。
Keyword:
Artificial intelligence
condition monitoring
decision support
machine learning
method selection
power systems
predictive maintenance
期刊
IF:
3.6
论文数:
9.8W
被引数:
29.4W
机构
引用论文
Predictive Maintenance of Power Substation Equipment by Infrared Thermography Using a Machine-Learning Approach.png)
Energies
OAAI
EnergiesIF0
OAAI分享收藏A Position- and Similarity-Aware Named Entity Recognition Model for Power Equipment Maintenance Work Orders一种基于位置和相似度感知的电力设备维护工单命名实体识别模型SENSORSOAAI
SENSORSIF3.5
OAAI分享收藏分享收藏LSTM-Autoencoder-Based Interpretable Predictive Maintenance Framework for Industrial Systems基于LSTM-Autoencoder的可解释工业系统预测性维护框架
PREAI
分享收藏Explainable Predictive Maintenance: A Survey of Current Methods, Challenges and Opportunities可解释的预测性维护: 对当前方法，挑战和机遇的调查IEEE ACCESSOAAI
IEEE ACCESSIF3.6
OAAI分享收藏Random Forest Classifier based Dissolved Gas Analysis for Identification of Power Transformer faults using Gas Ratio Data基于随机森林分类器的溶解气体分析，利用气体比率数据识别电力变压器故障
PREAI
分享收藏Explainable, interpretable, and trustworthy AI for an intelligent digital twin: A case study on remaining useful life智能数字双胞胎的可解释，可解释和可信赖的AI: 剩余使用寿命的案例研究OAAI
OAAI分享收藏Fusion of Audio and Vibration Signals for Bearing Fault Diagnosis Based on a Quadratic Convolution Neural Network基于二次卷积神经网络的音频与振动信号融合轴承故障诊断SENSORSOAAI
SENSORSIF3.5
OAAI分享收藏
查看更多内容