| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 1 绪论 | 第10-32页 |
| 1.1 GIS 局部放电在线监测 | 第10-17页 |
| 1.1.1 GIS 局部放电在线监测的意义 | 第10-11页 |
| 1.1.2 GIS 局部放电原因及故障类型 | 第11-13页 |
| 1.1.3 GIS 局部放电检测方法 | 第13-15页 |
| 1.1.4 GIS 局部放电故障诊断技术 | 第15-17页 |
| 1.2 GIS 局部放电检测方法的研究现状 | 第17-23页 |
| 1.2.1 GIS 局部放电超高频检测技术 | 第17-19页 |
| 1.2.2 GIS 局部放电光纤检测技术 | 第19-21页 |
| 1.2.3 GIS 局部放电联合检测 | 第21-22页 |
| 1.2.4 GIS 局部放电视在电荷量标定 | 第22-23页 |
| 1.3 GIS 局部放电诊断技术 | 第23-29页 |
| 1.3.1 GIS 局部放电特征获取方法 | 第23-27页 |
| 1.3.2 GIS 局部放电模式识别技术 | 第27-29页 |
| 1.4 主要研究内容 | 第29-32页 |
| 2 GIS PD 联合检测 | 第32-54页 |
| 2.1 引言 | 第32页 |
| 2.2 GIS 内部典型缺陷模型 | 第32-35页 |
| 2.3 局部放电联合检测系统 | 第35-43页 |
| 2.3.1 脉冲电流检测法 | 第35-36页 |
| 2.3.2 UHF 检测法 | 第36-39页 |
| 2.3.3 荧光光纤检测法 | 第39-42页 |
| 2.3.4 联合检测系统构成 | 第42-43页 |
| 2.4 试验过程与 PD 信号分析 | 第43-52页 |
| 2.4.1 试验过程与步骤 | 第43-44页 |
| 2.4.2 PD 信号分析 | 第44-52页 |
| 2.5 本章小结 | 第52-54页 |
| 3 三类 PD 信号与放电量的关联关系研究 | 第54-80页 |
| 3.1 引言 | 第54页 |
| 3.2 三类局部放电信号与放电量的关联关系 | 第54-60页 |
| 3.2.1 脉冲电流信号与放电量的关系 | 第54-55页 |
| 3.2.2 UHF 检测信号与放电量的关系 | 第55-58页 |
| 3.2.3 荧光光纤信号与视在放电量的关系 | 第58-60页 |
| 3.3 PD 信号与放电量关系的修正 | 第60-78页 |
| 3.3.1 UHF 检测信号与视在放电量标定 | 第60-62页 |
| 3.3.2 不同气压 SF6下 UHF 检测信号与视在放电量关系修正 | 第62-68页 |
| 3.3.3 荧光光纤信号与视在放电量关系标定 | 第68-72页 |
| 3.3.4 不同尺寸缺陷下荧光光纤信号与视在放电量关系修正 | 第72-78页 |
| 3.4 本章小结 | 第78-80页 |
| 4 基于 SVDD 的 GIS PD 诊断 | 第80-110页 |
| 4.1 引言 | 第80页 |
| 4.2 优化特征获取方法 | 第80-94页 |
| 4.2.1 基于核 PCA 的特征提取 | 第80-88页 |
| 4.2.2 基于最大相关最小冗余的特征选择 | 第88-93页 |
| 4.2.3 三类 PD 信号与放电量关联特征选择 | 第93-94页 |
| 4.2.4 最优特征量的构造 | 第94页 |
| 4.3 支持向量原理 | 第94-100页 |
| 4.3.1 支持向量机原理 | 第94-97页 |
| 4.3.2 支持向量数据描述原理 | 第97-98页 |
| 4.3.3 支持向量数据描述核函数 | 第98-100页 |
| 4.4 支持向量数据描述改进算法 | 第100-103页 |
| 4.4.1 优化半径 SVDD 算法 | 第100-101页 |
| 4.4.2 支持向量多分类研究 | 第101-103页 |
| 4.5 GIS PD 模式识别结果与分析 | 第103-107页 |
| 4.5.1 训练与识别流程 | 第103-105页 |
| 4.5.2 特征优化识别结果与分析 | 第105-106页 |
| 4.5.3 分类器优化识别结果与分析 | 第106-107页 |
| 4.6 本章小结 | 第107-110页 |
| 5 改进的 SVDD 诊断方法 | 第110-130页 |
| 5.1 引言 | 第110-111页 |
| 5.2 SVDD 改进思路 | 第111-114页 |
| 5.2.1 σ对 AUC 的影响 | 第111-112页 |
| 5.2.2 C 对 AUC 的影响 | 第112-114页 |
| 5.3 SVDD 参数优化 | 第114-120页 |
| 5.3.1 基于局部遗传算法的参数σ优化 | 第114-115页 |
| 5.3.2 参数σ优化结果 | 第115-116页 |
| 5.3.3 基于模拟退火算法的参数 C 优化 | 第116-118页 |
| 5.3.4 参数 C 优化结果 | 第118-120页 |
| 5.4 SVDD 算法优化 | 第120-129页 |
| 5.4.1 SVDD 算法重叠判别 | 第120-121页 |
| 5.4.2 Fisher 线性鉴别 | 第121-124页 |
| 5.4.3 基于 PCA 优化的 FDA | 第124-127页 |
| 5.4.4 识别结果 | 第127-129页 |
| 5.5 本章小结 | 第129-130页 |
| 6 结论与展望 | 第130-132页 |
| 6.1 主要结论 | 第130-131页 |
| 6.2 工作展望 | 第131-132页 |
| 致谢 | 第132-134页 |
| 参考文献 | 第134-146页 |
| 附录 | 第146页 |
| A. 作者在攻读博士学位期间发表的论文目录 | 第146页 |
| B. 作者在攻读博士学位期间参与的科研项目 | 第146页 |