AI and data driven overhead line fault classification for TSO asset management using GIS, weather data, and distance relay measurements
Dit artikel stelt een door AI gedreven framework voor dat GIS, weergegevens en afstandsrelaismetingen integreert met aangepaste Long Short-Term Memory (LSTM) neurale netwerken om fouten in bovengrondse lijnen te classificeren met een nauwkeurigheid van 83,4%, waardoor het beheer van activa door de Transmission System Operator en de betrouwbaarheid van het energiesysteem worden verbeterd.