Resumen

Hoy en día, la tecnología electrónica de potencia está afectando ampliamente al trabajo y la vida cotidiana de las personas. Sin embargo, sigue habiendo muchos problemas en la investigación actual sobre fuentes de alimentación. Cuando la información de fallo del transformador de potencia no es completa o hay alguna ambigüedad o incluso la información se pierde, en gran medida conducirá a la conclusión y la conclusión correcta de diagnóstico de fallos. En este caso, se aplica la teoría difusa al diagnóstico de averías del condensador en derivación y se estudia el sistema difuso de diagnóstico de averías del condensador en derivación. Al mismo tiempo, se propone un sistema de diagnóstico de fallos basado en mapas. En este trabajo, la tecnología de computación en nube se introduce en el aprendizaje profundo y se compara con los algoritmos SVM y DBN. Los resultados de la investigación de este trabajo muestran que la precisión de los resultados del diagnóstico difuso es del 94%, 84%, 90%, 80%, 83% y 70%, respectivamente, lo que demuestra que la fiabilidad del diagnóstico del modelo es relativamente alta. Entre los tres algoritmos, la tasa de detección global de MR-DBN es mayor y el consumo de tiempo es menor que en los otros dos métodos. La precisión del diagnóstico y la tasa de errores de la DBN son las siguientes 96.33 y 3,90%. La precisión del diagnóstico y la tasa de errores de SVM son las siguientes: 96.40 y 3,83%. La precisión diagnóstica y la tasa de errores de MR-DBN son, respectivamente, 99,52 y 0,57%, respectivamente. En comparación con los otros dos métodos, MR-DBN tiene la mayor precisión de diagnóstico y la menor tasa de error, lo que indica en gran medida que el algoritmo MR-DBN tiene una mayor precisión de diagnóstico y presenta mayores ventajas y fiabilidad en el diagnóstico e identificación de fuentes de alimentación. No sólo mejora la precisión del diagnóstico y la identificación de fallos en condensadores de potencia, sino que también proporciona un nuevo método para la aplicación de la investigación y el desarrollo de fallos en condensadores de potencia.

• Materias:Matemáticas Análisis Matemático Álgebra Ingeniería Matemática aplicada Lógica matemática
• Subjects:mathematics Mathematical Analysis Algebra Engineering Applied Mathematics Mathematical logic
• Palabras claves:tasa de error de apreciación, dbn, algoritmo dbn, precisión del diagnóstico, diagnóstico de fallos, condensador en derivación, investigación sobre fuentes de alimentación de corriente, sistema difuso de diagnóstico de fallos, diagnóstico de fallos en condensadores de potencia, investigación sobre fallos en condensadores de potencia
• Keywords:misjudgment rate, dbn, dbn algorithm, diagnostic accuracy, fault diagnosis, shunt capacitor, current power supply research, fuzzy fault diagnosis system, power capacitor fault diagnosis, power capacitor fault research