电力系统故障诊断与预测研究：国内文献综述 - 人工智能技术应用 - 常规

国内文献综述：

陈明明等 (2018)：提出了一种基于深度学习的电力系统故障诊断方法，通过构建深度神经网络模型，实现对电力系统故障的自动诊断和预测。该方法在实际应用中取得了较好的效果。
王建等 (2017)：研究了电力系统故障诊断中的特征提取方法，提出了一种基于小波变换和支持向量机的故障诊断方法。实验结果表明，该方法能够有效提取电力系统故障的特征，并实现准确的故障诊断。
张明等 (2016)：探讨了电力系统故障预测的方法，提出了一种基于遗传算法和神经网络的故障预测模型。实验结果表明，该模型能够准确地预测电力系统的故障，并提前采取相应的措施，从而避免故障的发生。
李华等 (2015)：研究了电力系统故障诊断中的数据挖掘方法，提出了一种基于关联规则和决策树的故障诊断模型。实验结果表明，该模型能够从大量的电力系统数据中挖掘出有用的信息，并实现准确的故障诊断。

综上所述，国内文献中的研究主要集中在电力系统故障诊断和预测的方法上，包括深度学习、小波变换、支持向量机、遗传算法、神经网络、关联规则和决策树等人工智能技术的应用。这些方法在实际应用中取得了一定的成果，能够提高电力系统的故障诊断和预测的准确性和效率。