基于模糊理论和时间序列分析的开关柜在线健康状态评估与预测辅助系统研究
| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第11-18页 |
| 1.1 课题研究的背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 智能电网发展研究现状 | 第12-13页 |
| 1.2.2 开关柜在线监测研究现状 | 第13-15页 |
| 1.2.3 开关柜健康状态评估及预测研究现状 | 第15页 |
| 1.3 本文主要工作及创新点 | 第15-16页 |
| 1.4 论文的结构安排 | 第16-17页 |
| 1.5 本章小结 | 第17-18页 |
| 第二章 基于模糊综合评判法的开关柜健康评估模型 | 第18-31页 |
| 2.1 模糊理论概述 | 第18-19页 |
| 2.1.1 模糊集的定义 | 第18-19页 |
| 2.1.2 一级模糊综合评判法 | 第19页 |
| 2.2 评价指标体系的建立 | 第19-22页 |
| 2.2.1 电弧 | 第20页 |
| 2.2.2 温度 | 第20-21页 |
| 2.2.3 环境温度 | 第21页 |
| 2.2.4 湿度 | 第21页 |
| 2.2.5 图像 | 第21-22页 |
| 2.3 健康评估评语集的建立 | 第22页 |
| 2.4 评价指标权重的确定 | 第22-25页 |
| 2.4.1 确定初始指标权重 | 第22-23页 |
| 2.4.2 动态权重机制 | 第23-25页 |
| 2.5 建立隶属度函数 | 第25-27页 |
| 2.6 最大隶属度有效性讨论 | 第27页 |
| 2.7 仿真分析 | 第27-30页 |
| 2.8 本章小结 | 第30-31页 |
| 第三章 基于时间序列分析的状态预测模型 | 第31-41页 |
| 3.1 时间序列分析基础知识 | 第31-34页 |
| 3.1.1 时间序列的基础概念 | 第31-32页 |
| 3.1.2 三种指数平滑模型 | 第32-33页 |
| 3.1.3 传统指数平滑模型中存在的问题 | 第33-34页 |
| 3.2 基于粒子群优化的动态自适应指数平滑模型 | 第34-37页 |
| 3.2.1 平滑初值的确定 | 第34页 |
| 3.2.2 动态自适应平滑系数的指数平滑模型 | 第34-35页 |
| 3.2.3 基于粒子群优化的指数平滑模型 | 第35-37页 |
| 3.3 仿真分析 | 第37-40页 |
| 3.4 本章小结 | 第40-41页 |
| 第四章 开关柜在线健康状态评估与预测辅助系统 | 第41-60页 |
| 4.1 在线辅助系统设计与实现 | 第41-51页 |
| 4.1.1 开发语言、工具及运行环境概述 | 第41页 |
| 4.1.2 系统整体架构设计 | 第41-43页 |
| 4.1.3 系统主要功能模块的详细设计 | 第43-51页 |
| 4.1.4 系统界面设计 | 第51页 |
| 4.2 数据采集系统的设计与实现 | 第51-58页 |
| 4.2.1 概要设计 | 第51-53页 |
| 4.2.2 数据交互协议 | 第53-54页 |
| 4.2.3 接口初始化配置模块 | 第54-56页 |
| 4.2.4 数据采集模块 | 第56-57页 |
| 4.2.5 采集系统与上层应用系统的融合 | 第57-58页 |
| 4.3 数据库设计与实现 | 第58-59页 |
| 4.3.1 概述 | 第58页 |
| 4.3.2 数据库详细设计及表概览 | 第58-59页 |
| 4.4 本章小结 | 第59-60页 |
| 第五章 总结与展望 | 第60-62页 |
| 5.1 本文总结 | 第60-61页 |
| 5.2 未来展望 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 致谢 | 第66-67页 |
| 攻读硕士学位期间参与的科研项目与公开发表的论文 | 第67页 |
