| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 选题背景及意义 | 第10-11页 |
| 1.2 变电站设备热故障诊断现状 | 第11-13页 |
| 1.2.1 常规诊断方法在电气设备热故障诊断中的应用 | 第11-12页 |
| 1.2.2 人工智能故障诊断方法 | 第12-13页 |
| 1.3 本文主要工作 | 第13-14页 |
| 第2章 变电站设备热故障模式分析 | 第14-26页 |
| 2.1 FMEA技术 | 第14-15页 |
| 2.1.1 FMEA技术简介 | 第14页 |
| 2.1.2 FMEA分析项目 | 第14-15页 |
| 2.2 变电站设备热故障模式分析的系统定义划分 | 第15-21页 |
| 2.2.1 电力变压器系统定义 | 第17页 |
| 2.2.2 断路器系统定义 | 第17-19页 |
| 2.2.3 互感器系统定义 | 第19-20页 |
| 2.2.4 输电线路系统定义 | 第20页 |
| 2.2.5 隔离开关系统定义 | 第20-21页 |
| 2.3 变电设备热故障模式分析表 | 第21-25页 |
| 2.3.1 变电设备系统热故障模式表 | 第21-24页 |
| 2.3.2 变电设备热故障模式分析结果 | 第24-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第3章 面向小样本数据的变电设备热故障诊断方法 | 第26-49页 |
| 3.1 支持向量机基本理论 | 第26-29页 |
| 3.1.1 最优分类面 | 第26-29页 |
| 3.1.2 广义最优分类面 | 第29页 |
| 3.2 多分类支持向量机 | 第29-31页 |
| 3.2.1 一次求解多分类 | 第29-30页 |
| 3.2.2 组合实现多分类 | 第30-31页 |
| 3.3 面向小样本数据的变电设备热故障诊断 | 第31-34页 |
| 3.3.1 故障特征量的选择 | 第32-33页 |
| 3.3.2 数据归一化处理 | 第33页 |
| 3.3.3 构造训练集和测试集 | 第33页 |
| 3.3.4 基于SVM的故障诊断模型的建立 | 第33-34页 |
| 3.4 基于K-CV和GA优化SVM的变电设备热故障诊断方法 | 第34-42页 |
| 3.4.1 交叉验证参数优化 | 第35页 |
| 3.4.2 GA参数优化 | 第35-36页 |
| 3.4.3 诊断实例分析 | 第36-42页 |
| 3.5 基于改进后的粒子群优化算法的变电设备热故障诊断 | 第42-46页 |
| 3.5.1 粒子群算法原理 | 第42-43页 |
| 3.5.2 参数c和g选择流程 | 第43页 |
| 3.5.3 改进粒子群优化算法 | 第43-44页 |
| 3.5.4 仿真结果 | 第44-46页 |
| 3.6 南方某核电站配备的110KV升压变压器热故障诊断实例 | 第46-48页 |
| 3.7 本章小结 | 第48-49页 |
| 第4章 变电站设备热故障预测 | 第49-59页 |
| 4.1 支持向量机回归算法基本理论 | 第49-50页 |
| 4.2 多变量时间序列理论 | 第50-51页 |
| 4.3 基于多变量时间序列与SVR相融合的变电站热故障预测 | 第51-54页 |
| 4.3.1 故障特征量选择 | 第51页 |
| 4.3.2 数据预处理 | 第51-52页 |
| 4.3.3 性能标准 | 第52-53页 |
| 4.3.4 变电站设备热故障预测模型的建立 | 第53-54页 |
| 4.4 基于时间序列与SVR相融合的变电站热故障预测实例分析 | 第54-57页 |
| 4.5 本章小结 | 第57-59页 |
| 第5章 变电站设备热故障诊断系统的实现 | 第59-65页 |
| 5.1 热故障诊断系统的总体结构 | 第59-61页 |
| 5.2 系统描述 | 第61-62页 |
| 5.2.1 登录界面设计 | 第61页 |
| 5.2.2 变电站设备热故障诊断与预测主界面 | 第61-62页 |
| 5.3 系统界面与功能实现 | 第62-64页 |
| 5.4 本章小结 | 第64-65页 |
| 第6章 结论与展望 | 第65-67页 |
| 6.1 结论及主要创新点 | 第65页 |
| 6.2 不足与展望 | 第65-67页 |
| 参考文献 | 第67-71页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第71-72页 |
| 致谢 | 第72页 |
