基于多源数据融合感知的电网设备供应链管控与预警算法设计

针对精密特种电网设备的运输监测问题,开展了面向电网设备供应链的多源数据融合感知算法研究。构建了电网设备供应链的多源数据融合感知系统架构,提出了基于深度置信网络(DBN)-Dempster Shafer(DS)证据理论的电网设备运输状态感知算法。同时利用该算法分别对来源于加速度、倾角及温湿度等多传感器的数据进行特征提取,通过DS证据理论对不同特征信息进行融合分析,以得到电网设备运输状态融合感知结果。算例分析结果表明,所提算法结合深层神经网络与决策层数据融合,能够深入挖掘多源数据之间的内在关联,且在电网设备运输状态感知上具有更高的准确性。在实际电网设备供应链监控中,其可准确监测电网设备的倾斜状态,并提高电网设备供应链的运输质量与安全水平。