1. 基于知识图谱的AI方法

百度智能云推出了一种基于知识图谱的AI方法，用于电力系统故障诊断。
这种方法通过综合利用AI技能，建立面向输电系统的运维专业知识管理体系，构建针对输电设备及区域输电系统的有监督学习的ML/DL故障诊断模型，实现故障的智能预先感知以及故障缘故原由的快速定位[1]。
这种方法的上风在于知识的沉淀和传承，以及故障的智能诊断。
它通过对设备标准、技能规范、作业标准库、运维策略库、专家履历库等专业知识的整合，构建智能电力运维知识库，并结合设备实时运行指标，对设备康健度进行智能评价。
此外，它还运用小样本机器学习技能，基于历史故障案例，构建电力故障诊断模型，结合故障发生时电力设备状态、系统录波数据等，对电力故障缘故原由进行智能剖析，并供应建议结论。

2. 基于专家系统的AI方法

专家系统是一种以推理为根本的人工智能技能，它通过对干系领域内专家决策过程的仿照，利用其知识和履历进行推理判断，以完成对繁芜问题的精确决策。
在电力系统故障诊断中，专家系统将保护和断路器的专业知识和永劫光积累的实践履历用规则的形式表示并形成专家系统知识库，当电力系统发生故障时，将故障信息引入数据库并结合数据库的逻辑性得到故障缘故原由[3]。
这种方法的优点是可以对故障的阐明性较强，但缺陷是培植知识和履历完备的专家知识库的难度较大，且存在误判、漏判的可能性。

3. 基于神经网络的AI方法

人工神经网络是对人类神经系统的信息传输和处理等过程的仿照，它可以通过比较故障信息与知识库中的规则来准确剖断出故障问题涌现的真正缘故原由[3]。
这种方法的优点是简便快捷，且可以大大地办理人力资源、物力、财力方面的资源花费比较大的问题，但缺陷是在诊断事情中实际算法收敛速率和详细阐明能力等方面还有很大的毛病。

4. 基于遗传算法的AI方法

遗传算法是一种以优化技能为根本的人工智能技能，它将电力系统故障诊断问题等同于无约束的0至1整数方案问题，并利用全局优化算法实现求解[3]。
这种方法的优点是有数学理论作支撑，理论性和实用性都较空想，但缺陷是建立合理故障诊断模型难度较大，且存在诸多随机成分。

5. 基于机器学习的AI方法

机器学习技能的发展为电力系统故障检测与预测供应了全新的办理思路。
通过利用机器学习技能，结合电力系统的数据进行故障检测与预测[6]。
这种方法的优点是可以提高电力系统运行效率和安全性，但缺陷是数据不完备、算法繁芜度高档。