基于云计算和深度学习的电力电容器故障诊断和识别

被引：23

作者：

黄予春 ^{[1
]}

曹成涛 ^{[2
]}

顾海 ^{[3
]}

机构：

[1] 国网河南省电力公司漯河供电公司

[2] 华南理工大学

[3] 哈尔滨工业大学

来源：

电力电容器与无功补偿 | 2018年 / 39卷 / 04期

关键词：

云计算; 深度学习; 故障诊断; 电力电容器; 支持向量机;

D O I：

10.14044/j.1674-1757.pcrpc.2018.04.013

中图分类号：

TM53 [电容器];

学科分类号：

080508 [光电信息材料与器件];

摘要：

为实现电力电容器故障诊断和识别的高精度预测,将云计算技术引入深度学习,提出一种基于Map Reduce的分布式DBN的电力电容器故障诊断和识别方法。通过MRDBN和DBN、SVM、BP的对比,研究结果表明,MRDBN可提高电力电容器故障诊断和识别的精度,精度可达99.41%,从而为电力电容器故障的研究和应用提供了新的方法。

引用

页码：71 / 75

页数：5

共 13 条

[1]

基于云计算与智能算法的短期电力负荷预测方法研究 [D].