Apprentissage profond en ingénierie haute tension : Une revue de littérature

La surveillance des conditions des appareils haute tension est d'une grande importance pour la maintenance des systèmes électriques. Que ce soit pour détecter des défauts ou des décharges partielles dans les équipements haute tension, ou détecter la contamination et la dégradation des isolateurs extérieurs, l'apprentissage profond, qui est une branche de l'apprentissage automatique, a été largement étudié. Au lieu d'utiliser des caractéristiques manuelles élaborées comme entrée pour les algorithmes d'apprentissage automatique traditionnels, les algorithmes d'apprentissage profond utilisent des données brutes comme entrée où la phase d'extraction des caractéristiques est intégrée dans la phase d'apprentissage, ce qui donne un processus plus automatisé. C'est le principal avantage d'utiliser l'apprentissage profond par rapport aux techniques d'apprentissage automatique traditionnelles. Cet article présente une revue de la littérature récente sur l'application des techniques d'apprentissage profond dans la surveillance des appareils haute tension tels que les GIS, les transformateurs, les câbles, les machines tournantes et les isolateurs extérieurs.