基于流数据挖掘的电力变压器故障预测的研究及应用
| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 课题来源 | 第9-10页 |
| 1.2 变压器故障预测研究现状 | 第10页 |
| 1.3 研究背景 | 第10-11页 |
| 1.4 研究意义 | 第11-12页 |
| 1.4.1 系统性能 | 第11-12页 |
| 1.4.2 电力故障影响 | 第12页 |
| 1.4.3 故障预测的重要性 | 第12页 |
| 1.5 本文主要工作 | 第12-13页 |
| 1.6 本文的组织结构 | 第13-14页 |
| 第2章 相关理论简介 | 第14-26页 |
| 2.1 数据预处理 | 第14-15页 |
| 2.1.1 数据清洗 | 第14页 |
| 2.1.2 数据选样 | 第14-15页 |
| 2.1.3 数据转换 | 第15页 |
| 2.1.4 数据归约 | 第15页 |
| 2.2 时序流数据挖掘 | 第15-17页 |
| 2.2.1 时序流数据特点 | 第15-16页 |
| 2.2.2 时序流数据挖掘模型 | 第16-17页 |
| 2.3 时序流数据挖掘技术 | 第17-20页 |
| 2.3.1 聚类 | 第17-18页 |
| 2.3.2 分类 | 第18-19页 |
| 2.3.3 频繁项集 | 第19页 |
| 2.3.4 关联规则 | 第19-20页 |
| 2.4 机器学习算法简介 | 第20-23页 |
| 2.4.1 决策树 | 第21-22页 |
| 2.4.2 SVM | 第22页 |
| 2.4.3 ANN | 第22页 |
| 2.4.4 Bayes-net | 第22-23页 |
| 2.5 集成学习思想简介 | 第23-25页 |
| 2.5.1 常用集成学习算法 | 第23-24页 |
| 2.5.2 集成学习思想 | 第24-25页 |
| 2.6 本章小结 | 第25-26页 |
| 第3章 电力变压器数据分析与处理 | 第26-40页 |
| 3.1 电力变压器故障分析 | 第26页 |
| 3.2 电力数据介绍与分析 | 第26-30页 |
| 3.2.1 电力变压器数据介绍 | 第26-28页 |
| 3.2.2 电力变压器数据分析 | 第28-29页 |
| 3.2.3 故障数据介绍 | 第29-30页 |
| 3.3 基本概念定义 | 第30-32页 |
| 3.4 实验数据预处理 | 第32-39页 |
| 3.4.1 数据清洗 | 第32-33页 |
| 3.4.2 数据修复 | 第33-34页 |
| 3.4.3 数据取样 | 第34-36页 |
| 3.4.4 数据转换 | 第36-39页 |
| 3.5 本章小结 | 第39-40页 |
| 第4章 基于集成学习竞争策略的电力变压器故障预测 | 第40-49页 |
| 4.1 故障预测基本思路 | 第40页 |
| 4.2 集成学习基本思路 | 第40-41页 |
| 4.3 集成学习电力变压器故障预测算法模型 | 第41-48页 |
| 4.3.1 集成学习竞争模块 | 第42-46页 |
| 4.3.2 多分类器集成模块 | 第46-47页 |
| 4.3.3 故障预测策略 | 第47-48页 |
| 4.4 本章小结 | 第48-49页 |
| 第5章 故障预测的实现 | 第49-56页 |
| 5.1 实验环境 | 第49页 |
| 5.2 实验步骤 | 第49-50页 |
| 5.3 实验结果 | 第50-54页 |
| 5.3.1 预测准确性对比 | 第50-52页 |
| 5.3.2 预测有效性对比 | 第52-54页 |
| 5.4 实验总结 | 第54-55页 |
| 5.5 本章小结 | 第55-56页 |
| 第6章 总结与展望 | 第56-57页 |
| 6.1 总结 | 第56页 |
| 6.2 展望 | 第56-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-60页 |
