| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第11-21页 |
| 1.1 研究的背景与意义 | 第11页 |
| 1.2 局部放电检测的研究现状 | 第11-15页 |
| 1.2.1 当前局部放电检测的主要手段 | 第11-13页 |
| 1.2.2 局部放电模式识别研究现状 | 第13-15页 |
| 1.3 基于特高频的全站局部放电定位研究现状 | 第15-18页 |
| 1.4 本文的主要研究内容 | 第18-21页 |
| 1.4.1 问题的提出 | 第18-19页 |
| 1.4.2 本文的章节安排及创新点 | 第19-21页 |
| 第二章 基于UHF法的变电站全站局部放电检测与定位系统组成 | 第21-37页 |
| 2.1 基于时延定位算法的基本原理 | 第21-22页 |
| 2.2 常用的时延估计算法 | 第22-25页 |
| 2.2.1 阈值法 | 第22-23页 |
| 2.2.2 广义相关估计法 | 第23-24页 |
| 2.2.3 能量累积法 | 第24-25页 |
| 2.2.4 高阶统计量法 | 第25页 |
| 2.3 系统装置 | 第25-36页 |
| 2.3.1 系统架构 | 第25-26页 |
| 2.3.2 特高频全向传感天线的设计 | 第26-33页 |
| 2.3.3 特高频放大器的设计 | 第33-34页 |
| 2.3.4 数据的采集 | 第34-36页 |
| 2.4 小结 | 第36-37页 |
| 第三章 基于BP神经网络的特高频局部放电定位误差校正 | 第37-50页 |
| 3.1 基于BP神经网络误差校正的方法 | 第37-41页 |
| 3.1.1 BP神经网络基本原理 | 第37-39页 |
| 3.1.2 误差校正基本原理 | 第39-41页 |
| 3.2 可行性分析实验 | 第41-42页 |
| 3.3 基于样条插值和BP神经网络的误差校正方法 | 第42-44页 |
| 3.4 现场实验验证 | 第44-47页 |
| 3.4.1 构造r、θ的误差补偿曲面 | 第44-46页 |
| 3.4.2 验证定位校正方法的有效性 | 第46-47页 |
| 3.5 结果分析与讨论 | 第47-48页 |
| 3.6 小结 | 第48-50页 |
| 第四章 基于聚类算法的定位结果处理 | 第50-58页 |
| 4.1 K-means算法基本原理 | 第50-52页 |
| 4.2 基于K-Means的测量值去抖动方法 | 第52-54页 |
| 4.2.1 测量值去抖动方法 | 第52页 |
| 4.2.2 实验验证 | 第52-54页 |
| 4.3 基于K-Means的局部放电多源分离方法 | 第54-57页 |
| 4.3.1 基本原理 | 第55页 |
| 4.3.2 实验验证 | 第55-57页 |
| 4.3.3 实验结果分析 | 第57页 |
| 4.4 小结 | 第57-58页 |
| 第五章 基于随机矩阵理论的局部放电模式识别研究 | 第58-75页 |
| 5.1 随机矩阵谱理论研究现状 | 第59-63页 |
| 5.1.1 大维随机矩阵的谱分布理论的重要结论 | 第59-62页 |
| 5.1.2 大维随机矩阵的谱分布理论的应用 | 第62-63页 |
| 5.2 局部放电缺陷模型 | 第63-65页 |
| 5.3 放电模式特征量的选取 | 第65-68页 |
| 5.3.1 PD信号的高维随机矩阵构造 | 第65-66页 |
| 5.3.2 局放模式识别的特征量选取 | 第66-68页 |
| 5.4 局部放电模式识别算法 | 第68-71页 |
| 5.4.1 基于KNN和 MSR的模式识别方法 | 第68-69页 |
| 5.4.2 基于BP神经网络和谱分布的识别办法 | 第69-70页 |
| 5.4.3 综合决策表 | 第70-71页 |
| 5.5 现场实验验证 | 第71-74页 |
| 5.5.1 可行性验证 | 第71-72页 |
| 5.5.2 算法稳定性分析 | 第72-74页 |
| 5.6 小结 | 第74-75页 |
| 第六章 结论与展望 | 第75-77页 |
| 6.1 本文的主要结论 | 第75-76页 |
| 6.2 研究展望 | 第76-77页 |
| 参考文献 | 第77-83页 |
| 致谢 | 第83-84页 |
| 攻读硕士学位期间已发表或录用的论文 | 第84页 |