| 摘要 | 第10-12页 |
| Abstract | 第12-13页 |
| 第一章 绪论 | 第14-19页 |
| 1.1 研究背景及意义 | 第14-15页 |
| 1.2 国内外研究现状 | 第15-17页 |
| 1.2.1 国外研究现状 | 第15-16页 |
| 1.2.2 国内研究现状 | 第16-17页 |
| 1.3 本文的主要工作 | 第17-19页 |
| 第二章 智能箱式变电站及其运维管理 | 第19-25页 |
| 2.1 智能箱式变电站的特点及优势 | 第19-20页 |
| 2.2 智能箱式变电站组网方案 | 第20-22页 |
| 2.3 智能箱式变电站运维管理分析 | 第22-24页 |
| 2.3.1 智能箱式变电站运维管理模式 | 第22-23页 |
| 2.3.2 组织结构及其分工 | 第23-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第三章 基于深度学习的运维系统短期负荷预测 | 第25-44页 |
| 3.1 长短期记忆网络 | 第26-33页 |
| 3.1.1 长短期记忆网络的原理及结构 | 第26-32页 |
| 3.1.2 长短期记忆网络的训练算法 | 第32-33页 |
| 3.2 基于LSTM网络的短期负荷预测模型 | 第33-35页 |
| 3.2.1 负荷数据预处理 | 第33-35页 |
| 3.2.2 LSTM网络短期负荷预测模型参数 | 第35页 |
| 3.3 LSTM网络短期负荷预测模型算例分析 | 第35-38页 |
| 3.4 基于短期负荷预测的智能箱变运行组合优化 | 第38-43页 |
| 3.4.1 智能箱式变电站的变压器经济运行原理 | 第38-40页 |
| 3.4.2 目标节能函数 | 第40页 |
| 3.4.3 箱变运行组合优化方法 | 第40-42页 |
| 3.4.4 算例分析 | 第42-43页 |
| 3.5 本章小结 | 第43-44页 |
| 第四章 基于模糊层次分析法的智能箱式变电站健康状态评估 | 第44-55页 |
| 4.1 模糊层次分析法理论基础 | 第44-47页 |
| 4.1.1 模糊层次分析法基本理论 | 第44页 |
| 4.1.2 模糊一致矩阵的建立 | 第44-45页 |
| 4.1.3 基于FAHP方法的元素权重计算 | 第45-47页 |
| 4.2 基于FAHP的智能箱变健康评估算法 | 第47-53页 |
| 4.2.1 智能箱变健康评估层次划分及元素确定 | 第47-49页 |
| 4.2.2 指标状态量层权重确定及设备层状态评分计算 | 第49-51页 |
| 4.2.3 设备层权重确定及智能箱式变电站整体状态评分计算 | 第51页 |
| 4.2.4 智能箱变健康状态评估步骤 | 第51-53页 |
| 4.3 基于FAHP的智能箱式变电站健康状态评估实现 | 第53-54页 |
| 4.4 本章小结 | 第54-55页 |
| 第五章 智能箱式变电站运维技术支持系统方案及实现 | 第55-65页 |
| 5.1 系统需求分析 | 第55-57页 |
| 5.1.1 功能需求 | 第55-56页 |
| 5.1.2 非功能需求 | 第56-57页 |
| 5.2 智能箱式变电站运维技术支持系统方案 | 第57-59页 |
| 5.3 主要模块的详细设计和具体实现 | 第59-64页 |
| 5.3.1 基本功能模块 | 第59-62页 |
| 5.3.2 基于LSTM网络的短期负荷预测功能模块 | 第62页 |
| 5.3.3 基于短期负荷预测的智能箱变运行组合优化功能模块 | 第62-63页 |
| 5.3.4 基于FAHP的智能箱变健康状态评估功能模块 | 第63-64页 |
| 5.4 本章小结 | 第64-65页 |
| 第六章 总结与展望 | 第65-68页 |
| 6.1 本文主要研究成果 | 第65-66页 |
| 6.2 后期工作与展望 | 第66-68页 |
| 参考文献 | 第68-74页 |
| 致谢 | 第74-76页 |
| 攻读硕士学位期间发表的论文 | 第76-77页 |
| 学位论文评阅及答辩情况表 | 第77页 |
