<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE article PUBLIC "-//NLM//DTD JATS (Z39.96) Article Authoring DTD v1.4 20240229//EN" "JATS-articleauthoring1.dtd">
<article article-type="research-article" xml:lang="zh-CN" xmlns:xlink="http://www.w3.org/1999/xlink">
  <front>
    <journal-meta>
      <journal-id journal-id-type="publisher-id">29</journal-id>
      <journal-title-group>
        <journal-title>《建筑施工与发展》</journal-title>
        <abbrev-journal-title>CONSTRUCTION AND DEVEL OPMENT</abbrev-journal-title>
      </journal-title-group>
      <issn>ISSN：2737-4262；EISSN:2705-1269</issn>
      <publisher>
        <publisher-name>华文科学出版社</publisher-name>
      </publisher>
    </journal-meta>
    <article-meta>
      <article-id pub-id-type="doi">10.12421/JZSGYFZ2705-1269-080414-75</article-id>
      <article-id pub-id-type="publisher-id">29386</article-id>
      <title-group>
        <article-title>依托深度学习的电气系统新能源故障诊断方法</article-title>
      </title-group>
      <contrib-group>
        <contrib contrib-type="author">
          <string-name>门海龙 大唐山东发电有限公司新能源分公司 山东济南 250014</string-name>
        </contrib>
      </contrib-group>
      <pub-date pub-type="epub">
        <year>2026</year>
        <month>6</month>
      </pub-date>
      <issue>6</issue>
      <abstract>
        <p>近些年，随着全球能源结构加速向清洁低碳转型，光伏、风电等新能源装机量不断增大，电气系统运行环境及拓扑结构也越来越
复杂。新能源发电单元具有间歇性、波动性特点，加之电气设备长时间处于高负荷运转工况，造成系统故障发生的概率明显提高，传统的
诊断手段难以达到实时性和准确性要求。基于此，本文对电气系统新能源领域常见的故障类型及成因展开系统分析，对不同的深度学习算
法在各种故障诊断中应用原理和实现途径进行详细探讨，并提出相应的诊断效率提高措施，以期为保证新能源电气系统安全稳定运行提供
技术支持。
关键词：深度学习；电气系统；新能源；故障诊断方法</p>
      </abstract>
    </article-meta>
  </front>
</article>
