研究人员开发了一种结合模糊逻辑和IEEE关键气体法（FL-KGM）的增强模型，以提高通过溶解气体分析诊断电力变压器故障的准确性。这种新方法改进了隶属函数，优化了模糊规则集，并分离了CO和CO2，以解决传统IEEE关键气体法中发现的不一致之处。实际数据验证显示，FL-KGM的准确率高达98.6%，显著优于现有方法，并为先进的变压器监测和预测性维护提供了潜力。 AI
影响 这项研究可能通过改进AI驱动的故障检测，从而提高电网维护的可靠性。
排序理由 详细介绍新方法和实验验证的学术论文。[lever_c_demoted from research: ic=1 ai=0.7]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
