电气设备故障诊断是一门建立在机理分析、信号测量、数据处理、模式识别等技术基础上的综合性技术科学，其研究成果指导着设备安全运行与电力装备的健康发展。伴随着我国电力行业的逐渐壮大，大量电力设备投入工程应用，在设备运行中可能会因承受冲击激励、机械振动、物理变形、瞬时温升、化学腐蚀等作用产生各类故障。故障一旦产生将导致设备停运，严重时甚至会造成人员和设备事故。为保障设备良好运行，其对设备可靠性和故障及时感知提出了更高的要求。

设备故障信号的测量和数据处理是制约其诊断效果的关键。受限于现场多种干扰因素，实际设备中故障信号测量往往存在误差且部分信号无法直接测量；故障表征与测量信号间多难以建立线性数学关系，难以通过故障表现判断故障的原因。为此，如何保证故障信号测得准、数据用得上、成因找得对，一直是困扰广大工程技术人员的难题。

随着基础理论与硬件技术的发展，研究精确测量故障信号的新技术及仪器成为可能，测量误差有望进一步降低。同时，深度学习、机器学习、数据挖掘等智能计算方法在实现故障准确诊断方面也展现出了巨大的潜能。结合测量新技术与智能计算方法的电气设备故障智能诊断已成为学者们的研究热点。为研讨国内外电气设备故障智能诊断新方法、新思路，促进行业内最新的成果交流和分享，推动其在电力设备健康管理方面的应用。现针对“电力设备故障智能诊断”进行专题征稿，该专题由重庆大学张占龙教授担任特约主编，重庆大学汪金刚教授和四川大学廖建权副教授担任特约副主编。征稿方式及注意事项如下：

一、征稿范围（包括但不限于）

1. 高精度测量新技术、新方法及应用；

2. 设备故障机理及仿真分析研究；

3. 电力设备状态评估新技术研究；

4. 电力设备的故障推演及寿命预测技术研究；

5. 电力设备多源数据处理技术研究；

6. 基于人工智能算法、大数据挖掘的电力设备故障诊断技术研究。

二、投稿要求

1. 论文应重点突出、论述严谨、文字简练、避免长篇公式推导（必要的推导可列入附录），篇幅以10页左右为宜。

 2. 来稿请用Word 排版、格式、摘要、作者信息参照《电工电能新技术》论文模板。

三、时间安排

投稿截止时间：2024年4月30日

拟出版时间：  2024年8月

四、投稿方式

请登录https://ateee.iee.ac.cn/CN/home注册作者用户名和密码投稿，请注意在投稿栏目中选择“电力设备故障智能诊断”。

真诚欢迎国内外相关领域的专家学者及国家级科研计划承担单位踊跃投稿！

联系方式：杜永红    010-82547196    duyonghong@mail.iee.ac.cn

张占龙   zhangzl@cqu.edu.cn

汪金刚   jingang@cqu.edu.cn