基于云计算和深度学习的电力电容器故障诊断和识别

• 作者: 曹成涛 顾海 黄予春
• 来源期刊: 电力电容器与无功补偿
• 关键词: 云计算 深度学习 故障诊断 电力电容器 支持向量机
• 年，卷（期）: 2018,（4）
• 所属期刊栏目: 电力电容器
• 页码范围: 71-75
• 页数: 5页
• 语种: 中文
• DOI: 10.14044/j.1674-1757.pcrpc.2018.04.013

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MapReduce的分布式DBN的电力电容器故障诊断和识别方法.通过MR_DBN和DBN、SVM、BP的对比,研究结果表明,MR_DBN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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	曹成涛		14	182	8.0	13.0
2	黄予春		2	23	2.0	2.0
3	顾海		2	23	2.0	2.0