大数据技术在牵引变电所故障预警中的应用

• 作者: 张少轩 李长春
• 来源期刊: 电气化铁道
• 学科: 交通运输
• 关键词: 牵引变电 故障数据 大数据 并行化 临界状态
• 年，卷（期）: 2017,（z1）
• 页码范围: 167-171
• 页数: 5页
• 分类号: U223.8
• 字数: 3219字
• 语种: 中文
• DOI: 10.19587/j.cnki.1007-936x.2017z.045

摘要

为提高牵引变电所运行的安全性,将深度信念网络(DBN)与并行化K-means聚类算法相结合,利用大数据算法自动提取变电所二次侧电流的深层次特征,并对正常运行数据、故障数据、临界数据进行有效分类,对可能发生故障的临界状态进行预警.仿真数据和实验结果表明,该方法能有效评估出牵引变电所故障临界值,并可加快大数据类问题的分析处理速度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张少轩	中铁电气化局集团有限公司西安电务工程分公司	4	0	0.0	0.0
2	李长春	中铁电气化局集团有限公司西安电务工程分公司	2	0	0.0	0.0