| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题背景及研究的目的和意义 | 第10-12页 |
| 1.2 国内外研究现 | 第12-15页 |
| 1.2.1 电力设备状态监测方法研究现状 | 第12-13页 |
| 1.2.2 Spark研究现状 | 第13-15页 |
| 1.3 论文研究内容和章节安排 | 第15-16页 |
| 第2章 变压器故障诊断模型概述 | 第16-25页 |
| 2.1 一般的变压器故障概述 | 第16-17页 |
| 2.2 传统变压器故障诊断方法 | 第17-21页 |
| 2.2.1 检测特征气体含量 | 第17-18页 |
| 2.2.2 比值法的判别 | 第18-19页 |
| 2.2.3 图解法 | 第19-21页 |
| 2.3 智能变压器故障诊断方法 | 第21-24页 |
| 2.3.1 SVM的方法诊断 | 第22页 |
| 2.3.2 人工神经网络的方法诊断 | 第22-23页 |
| 2.3.3 模糊理论和专家系统的诊断 | 第23-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第3章 Spark相关技术 | 第25-34页 |
| 3.1 大数据处理技术 | 第25-28页 |
| 3.1.1 Spark概述 | 第25-27页 |
| 3.1.2 其他并行计算技术 | 第27-28页 |
| 3.2 弹性分布式数据集 | 第28-31页 |
| 3.2.1 RDD创建 | 第28-29页 |
| 3.2.2 RDD操作 | 第29-30页 |
| 3.2.3 容错机制 | 第30-31页 |
| 3.3 性能优化 | 第31-33页 |
| 3.4 本章小结 | 第33-34页 |
| 第4章 Spark下贝叶斯及DDAE故障诊断模型 | 第34-45页 |
| 4.1 算法介绍 | 第34-36页 |
| 4.1.1 分类算法简介 | 第34-36页 |
| 4.1.2 聚类算法简介 | 第36页 |
| 4.2 朴素贝叶斯算法 | 第36-41页 |
| 4.2.1 朴素贝叶斯原理 | 第36-38页 |
| 4.2.2 朴素贝叶斯分类过程 | 第38页 |
| 4.2.3 并行朴素贝叶斯 | 第38-41页 |
| 4.3 DDAE模型 | 第41-44页 |
| 4.3.1 DAE理论 | 第41页 |
| 4.3.2 DAE网络算法求解 | 第41-43页 |
| 4.3.3 DDAE网络算法在变压器故障诊断上的应用 | 第43-44页 |
| 4.4 本章小结 | 第44-45页 |
| 第5章 实验 | 第45-57页 |
| 5.1 搭建集群环境 | 第45-46页 |
| 5.2 并行朴素贝叶斯实验 | 第46-48页 |
| 5.2.1 数据预处理 | 第46-48页 |
| 5.2.2 准确率验证 | 第48页 |
| 5.3 DDAE网络实验 | 第48-51页 |
| 5.3.1 DDAE数据分类验证 | 第48-49页 |
| 5.3.2 DDAE网络应用验证 | 第49-51页 |
| 5.4 基于Alluxio的云平台之间信息的共享 | 第51-56页 |
| 5.4.1 Alluxio的应用场景及特点 | 第51-52页 |
| 5.4.2 Alluxio的组件 | 第52-53页 |
| 5.4.3 Alluxio的环境搭建 | 第53页 |
| 5.4.4 Alluxio的工作框架 | 第53-55页 |
| 5.4.5 基于Alluxio的实验 | 第55-56页 |
| 5.5 本章小结 | 第56-57页 |
| 第6章 结论与展望 | 第57-58页 |
| 参考文献 | 第58-61页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第61-62页 |
| 致谢 | 第62页 |