| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 1 绪论 | 第10-25页 |
| ·GIS 局部放电在线监测技术 | 第10-14页 |
| ·GIS 局部放电在线监测的意义 | 第10页 |
| ·GIS 局部放电的原因及缺陷种类 | 第10-11页 |
| ·GIS 局部放电主要检测方法 | 第11-14页 |
| ·局部放电光测法测量现状 | 第14-17页 |
| ·局部放电光测法技术 | 第14-17页 |
| ·局部放电量标定 | 第17页 |
| ·局部放电模式识别的研究现状 | 第17-23页 |
| ·局部放电的放电模式 | 第18-19页 |
| ·局部放电模式的特征参数提取 | 第19-21页 |
| ·局部放电模式的分类器 | 第21-23页 |
| ·主要研究内容与技术路线 | 第23-25页 |
| 2 光测法检测 GIS 局部放电及其灰度图像获取 | 第25-36页 |
| ·荧光光纤传感系统 | 第25-28页 |
| ·GIS 内部典型缺陷模型的设计 | 第28-29页 |
| ·光测法检测 GIS 局部放电实验 | 第29-32页 |
| ·实验系统的构成 | 第29-30页 |
| ·实验的步骤及方法 | 第30页 |
| ·实验数据处理 | 第30-31页 |
| ·实验结果分析 | 第31-32页 |
| ·局部放电灰度图像的获取 | 第32-35页 |
| ·局部放电灰度图像的构造方法 | 第32-33页 |
| ·不同缺陷局部放电灰度图像的对比 | 第33-35页 |
| ·本章小结 | 第35-36页 |
| 3 局部放电灰度图像多重分形谱及其特征提取 | 第36-46页 |
| ·分形的基本理论 | 第36-39页 |
| ·分形的定义及分维数 | 第36-37页 |
| ·数学分形及统计分形 | 第37-38页 |
| ·多重分形及多重分形谱 | 第38页 |
| ·统计分形的多重分形谱构造原理 | 第38-39页 |
| ·局部放电灰度图像多重分形谱的构造 | 第39-43页 |
| ·局部放电灰度图像分形无标度区及其确定方法 | 第39-40页 |
| ·权值系数 q 对局部放电灰度图像多重分形谱的影响 | 第40-41页 |
| ·局部放电灰度图像多重分形谱 | 第41-43页 |
| ·局部放电灰度图像多重分形谱的特征提取 | 第43-45页 |
| ·本章小结 | 第45-46页 |
| 4 基于 BP 神经网络的模式识别 | 第46-53页 |
| ·人工神经网络的基本理论 | 第46-48页 |
| ·人工神经元模型及网络结构 | 第46-47页 |
| ·人工神经网络工作原理 | 第47-48页 |
| ·BP 神经网络的算法 | 第48-50页 |
| ·识别结果的分析 | 第50-52页 |
| ·本章小结 | 第52-53页 |
| 5 局部放电光测法信号和放电量的关系 | 第53-63页 |
| ·光测法信号和放电量关系的理论分析 | 第53-55页 |
| ·光测法信号一次积分值的物理意义 | 第53-54页 |
| ·信号一次积分值和放电量的关系 | 第54-55页 |
| ·实验系统及实验方法 | 第55-57页 |
| ·实验系统 | 第55-56页 |
| ·脉冲电流法系统校正 | 第56页 |
| ·实验方法及步骤 | 第56页 |
| ·实验数据的处理 | 第56-57页 |
| ·实验结果及其分析 | 第57-59页 |
| ·脉冲电流法和光测法信号波形 | 第57-58页 |
| ·信号一次积分值与视在放电量的分布区间 | 第58-59页 |
| ·信号一次积分值和放电量关系的建立 | 第59-61页 |
| ·特征参量的选取 | 第59-60页 |
| ·不同缺陷下信号一次积分值与放电量的关系 | 第60-61页 |
| ·光测法定量检测 GIS 内部局部放电的有效性验证 | 第61-62页 |
| ·本章小结 | 第62-63页 |
| 6 结论和展望 | 第63-65页 |
| ·结论 | 第63-64页 |
| ·展望 | 第64-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-72页 |
| 附录 | 第72页 |
| A. 作者在攻读硕士学位期间发表的论文目录 | 第72页 |
| B. 作者在攻读硕士学位期间参与的科研项目 | 第72页 |