Resumen

Con el fin de utilizar de manera eficaz la gran cantidad de datos históricos de alta dimensionalidad generados por los contadores de energía durante su funcionamiento, este artículo tiene como objetivo proponer un método de red neuronal de fusión DBN-MLP para el análisis multidimensional y el diagnóstico del tipo de fallo de los datos de avería de los contadores de energía inteligentes. Se utilizó DBN para fortalecer la capacidad de extracción de características de la red y resolver el problema relacionado con la diversidad de datos. La información procesada se introduce en la red neuronal MLP con el fin de resolver el error de correlación entre los datos del conjunto de datos históricos mejorando el índice de precisión del diagnóstico de fallos. Los resultados finales muestran que el método DBN-MLP puede mejorar la precisión del diagnóstico.

• Materias:Almacenamiento de energía Desarrollo científico y tecnológico Diagnóstico de fallos Metrología
• Subjects:Energy storage Scientific and technological development Fault diagnosis Metrology
• Palabras claves:Percepciones multicapa; Redes de creencias profundas; Diagnóstico de fallos; Contadores de energía inteligentes
• Keywords:Multi-layer perceptions; Deep belief network; Faults diagnosis; Smart energy meters