文献类型：期刊文章

作　　者：黄予春[1] 曹成涛[2] 顾海[3]

HUANG Yuehun;CAO Chengtao;GU Hai(State Grid Henan Electric Power Company Luohe Power Supply Company,Henan Luohe 462000,China;South China University of Teehnology,Guangzhou 510640,China;Harbin Institute of Teehnology,Harbin 150001,China)

机构地区：[1]国网河南省电力公司漯河供电公司,河南漯河462000 [2]华南理工大学,广州510640 [3]哈尔滨工业大学,哈尔滨150001

出　　处：《电力电容器与无功补偿》

年　　份：2018

卷　　号：39

期　　号：4

起止页码：71-75

语　　种：中文

收录情况：BDHX、BDHX2017、JST、RCCSE、核心刊

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。

关 键 词：云计算 深度学习  故障诊断 电力电容器 支持向量机

分 类 号：TM53]