中文摘要 | 第1-5页 |
英文摘要 | 第5-6页 |
目录 | 第6-9页 |
1 绪论 | 第9-20页 |
1.1 电力电缆的应用发展史 | 第9-11页 |
1.2 电缆常见故障及其原因 | 第11-15页 |
1.2.1 电力电缆的绝缘老化 | 第11-13页 |
1.2.2 影响电力电缆绝缘老化的因素 | 第13-15页 |
1.3 XLPE电缆在线监测现状和研究局部放电检测的必要性 | 第15-19页 |
1.3.1 电力系统在线监测的发展概况 | 第15页 |
1.3.2 在线监测的故障诊断方法 | 第15-16页 |
1.3.3 XLPE电缆在线监测现状 | 第16-18页 |
1.3.4 局部放电检测法 | 第18-19页 |
1.4 本课题研究的内容 | 第19页 |
1.5 小结 | 第19-20页 |
2 XLPE电缆的局部放电模拟试验 | 第20-37页 |
2.1 试验原理 | 第20-22页 |
2.1.1 XLPE电力电缆局部放电模式识别总体原理 | 第20页 |
2.1.2 XLPE电缆局部放电测量原理 | 第20-22页 |
2.2 传感器设计及前置电路设计 | 第22-29页 |
2.2.1 传感器分类 | 第22-25页 |
2.2.2 局部放电电磁耦合型传感器的设计 | 第25-28页 |
2.2.3 信号的前置处理 | 第28-29页 |
2.3 模拟实验 | 第29-35页 |
2.3.1 实验方案 | 第29-30页 |
2.3.2 实验模型的设计 | 第30-31页 |
2.3.3 实验步骤 | 第31-35页 |
2.4 软件抗干扰程序 | 第35-36页 |
2.5 小结 | 第36-37页 |
3 人工神经网络模式识别方法研究 | 第37-54页 |
3.1 模式识别方法简述 | 第37-39页 |
3.1.1 模式识别原理简介 | 第37-38页 |
3.1.2 模式识别特征量提取 | 第38页 |
3.1.3 模式识别分类器 | 第38-39页 |
3.2 神经网络及其学习算法 | 第39-44页 |
3.2.1 神经网络的发展简介 | 第39-40页 |
3.2.2 神经网络的分类 | 第40-41页 |
3.2.3 人工神经网络结构及其算法 | 第41-44页 |
3.3 BP神经网络的结构及工作原理 | 第44-48页 |
3.3.1 激活函数 | 第44-45页 |
3.3.2 BP网络算法 | 第45-48页 |
3.3.3 BP算法程序设计 | 第48页 |
3.4 SART神经网络的结构及工作原理 | 第48-52页 |
3.4.1 ART网络的简介 | 第49-50页 |
3.4.2 ART2网络的简化—SART(SimplifiedART)网络 | 第50-52页 |
3.4.3 SART算法程序设计 | 第52页 |
3.5 小结 | 第52-54页 |
4 XLPE电力电缆局部放电人工神经网络模式识别 | 第54-70页 |
4.1 XLPE电力电缆局部放电的PRPSA和PRPD模式 | 第54-55页 |
4.1.1 XLPE局部放电信号的PRPSA模式 | 第54-55页 |
4.1.2 XLPE局部放电信号的PRPD模式 | 第55页 |
4.2 XLPE电力电缆局部放电信号指纹特征 | 第55-60页 |
4.2.1 XLPE电缆局部放电特征量提取方法 | 第55-56页 |
4.2.2 各种放电模型的n、q、ψ三维谱图 | 第56-58页 |
4.2.3 XLPE电力电缆局部放电三维谱图统计算子 | 第58-60页 |
4.3 XLPE电力电缆局部放电模式的BP人工神经网络模式识别 | 第60-66页 |
4.3.1 以三维谱图放电次数为特征量的BP人工神经网模式识别 | 第60-64页 |
4.3.2 以三维谱图正负半波统计算子为特征量的BP人工神经网模式识别 | 第64-66页 |
4.3.3 以统计算子与放电次数相量为输入的模式识别结果比较 | 第66页 |
4.4 XLPE电力电缆局部放电的SART网络模式识别 | 第66-69页 |
4.4.1 SART网络的建立 | 第67页 |
4.4.2 SART网络的训练和识别结果 | 第67-68页 |
4.4.3 BP网络和SART网络的模式识别结果比较 | 第68-69页 |
4.5 小结 | 第69-70页 |
5 结论 | 第70-71页 |
致谢 | 第71-72页 |
参考文献 | 第72-77页 |
附:作者在攻读硕士学位期间发表的论文 | 第77页 |