| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4-5页 |
| 1 绪论 | 第8-16页 |
| 1.1 研究背景及意义 | 第8页 |
| 1.2 国内外研究现状 | 第8-15页 |
| 1.2.1 电力大数据及数据挖掘 | 第8-12页 |
| 1.2.2 电力变压器的故障预测 | 第12-15页 |
| 1.3 本文研究内容 | 第15-16页 |
| 2 基于云-Petri网的变压器状态分析方法 | 第16-36页 |
| 2.1 引言 | 第16页 |
| 2.2 基于云理论的状态参量与状态间关联规则分析 | 第16-21页 |
| 2.2.1 云理论的基本原理 | 第16-17页 |
| 2.2.2 状态参量的云概念提取 | 第17-20页 |
| 2.2.3 状态参量与状态间关联规则挖掘 | 第20-21页 |
| 2.3 基于云-Petri网的变压器状态分析模型 | 第21-28页 |
| 2.3.1 Petri网的基本理论 | 第21-22页 |
| 2.3.2 基于规则的云-Petri网状态分析模型 | 第22-26页 |
| 2.3.3 基于云-Petri网的变压器状态推理与判别 | 第26-28页 |
| 2.4 状态分析实例 | 第28-34页 |
| 2.5 本章小结 | 第34-36页 |
| 3 基于关联规则的状态转移概率矩阵构建及修正 | 第36-56页 |
| 3.1 引言 | 第36页 |
| 3.2 基于关联规则的状态转移概率矩阵构建 | 第36-39页 |
| 3.2.1 基于Apriori算法的状态间关联规则挖掘 | 第36-38页 |
| 3.2.2 状态转移概率矩阵的构建 | 第38-39页 |
| 3.3 计及其他状态参量的状态转移概率矩阵修正 | 第39-47页 |
| 3.3.1 状态转移概率矩阵修正体系的建立 | 第39-41页 |
| 3.3.2 指标值的确定 | 第41-47页 |
| 3.4 基于关联规则的修正因子权重确定 | 第47-52页 |
| 3.4.1 基于数组的Apriori算法改进 | 第47-48页 |
| 3.4.2 修正因子权重确定 | 第48-52页 |
| 3.5 实例分析 | 第52-54页 |
| 3.6 本章小结 | 第54-56页 |
| 4 基于马尔科夫的变压器故障预测模型 | 第56-68页 |
| 4.1 引言 | 第56页 |
| 4.2 马尔科夫模型 | 第56-58页 |
| 4.2.1 马尔科夫链的定义 | 第56页 |
| 4.2.2 转移概率及其性质 | 第56-57页 |
| 4.2.3 变压故障器的马尔科夫预测模型 | 第57-58页 |
| 4.3 负载率对变压器故障的影响 | 第58-60页 |
| 4.4 预测实例 | 第60-67页 |
| 4.4.1 实例一 | 第60-62页 |
| 4.4.2 实例二 | 第62-67页 |
| 4.5 本章小结 | 第67-68页 |
| 5 结论与展望 | 第68-70页 |
| 5.1 主要结论 | 第68页 |
| 5.2 后续工作展望 | 第68-70页 |
| 致谢 | 第70-72页 |
| 参考文献 | 第72-78页 |
| 附录 | 第78页 |
| A作者在攻读硕士学位期间发表的论文目录 | 第78页 |
| B作者在攻读硕士学位期间参加的科研项目情况 | 第78页 |
