高压交流输电线路故障特征挖掘与故障原因辨识
摘要 | 第10-12页 |
ABSTRACT | 第12-13页 |
第1章 绪论 | 第14-20页 |
1.1 课题的背景与意义 | 第14-15页 |
1.2 高压交流输电线路故障原因研究现状 | 第15-19页 |
1.2.1 金属性接地故障与非金属性接地故障识别 | 第15-16页 |
1.2.2 雷击故障与非雷击故障识别 | 第16-18页 |
1.2.3 人工智能方法 | 第18-19页 |
1.3 本文的主要工作 | 第19-20页 |
第2章 输电线路故障的外部特征和内部特征分析 | 第20-36页 |
2.1 引言 | 第20页 |
2.2 常见输电线路故障原因类型 | 第20-21页 |
2.3 雷击故障的外部特征和内部特征分析 | 第21-23页 |
2.3.1 故障原理 | 第21-22页 |
2.3.2 故障外部特征分析 | 第22-23页 |
2.3.3 故障内部特征分析 | 第23页 |
2.4 风偏故障的外部特征和内部特征分析 | 第23-25页 |
2.4.1 故障原理 | 第23-24页 |
2.4.2 故障外部特征分析 | 第24-25页 |
2.4.3 故障内部特征分析 | 第25页 |
2.5 鸟闪故障的外部特征和内部特征分析 | 第25-27页 |
2.5.1 故障原理 | 第25-26页 |
2.5.2 故障外部特征分析 | 第26页 |
2.5.3 故障内部特征分析 | 第26-27页 |
2.6 污闪故障的外部特征和内部特征分析 | 第27-29页 |
2.6.1 故障原理 | 第27-28页 |
2.6.2 故障外部特征分析 | 第28-29页 |
2.6.3 故障内部特征分析 | 第29页 |
2.7 树闪故障的外部特征和内部特征分析 | 第29-31页 |
2.7.1 故障原理 | 第29-30页 |
2.7.2 故障外部特征分析 | 第30-31页 |
2.7.3 故障内部特征分析 | 第31页 |
2.8 山火故障的外部特征和内部特征分析 | 第31-33页 |
2.8.1 故障原理 | 第31-32页 |
2.8.2 故障外部特征分析 | 第32页 |
2.8.3 故障内部特征分析 | 第32-33页 |
2.9 本章小结 | 第33-36页 |
第3章 输电线路故障特征挖掘分析 | 第36-58页 |
3.1 引言 | 第36页 |
3.2 故障数据来源及预处理 | 第36-37页 |
3.3 基于Fisher分数的特征挖掘方法 | 第37-38页 |
3.4 故障外部特征挖掘 | 第38-43页 |
3.4.1 天气特征 | 第39-40页 |
3.4.2 季节特征 | 第40-42页 |
3.4.3 时间特征 | 第42-43页 |
3.5 故障内部特征挖掘 | 第43-55页 |
3.5.1 重合闸特征 | 第43-44页 |
3.5.2 故障相电流非周期分量特征 | 第44-46页 |
3.5.3 故障相电流过零点畸变特征 | 第46-52页 |
3.5.4 故障过渡电阻特征 | 第52-55页 |
3.6 不同故障类型的辨识特征总结 | 第55-57页 |
3.7 本章小结 | 第57-58页 |
第4章 基于支持向量机的故障原因辨识 | 第58-70页 |
4.1 引言 | 第58页 |
4.2 SVM基本理论 | 第58-63页 |
4.3 基于粒子群算法的SVM参数优化 | 第63-67页 |
4.3.1 粒子群算法基本原理 | 第63-64页 |
4.3.2 交叉验证CV | 第64-65页 |
4.3.3 粒子群算法优化SVM参数 | 第65-67页 |
4.4 故障原因辨识算法 | 第67-69页 |
4.4.1 基于bagging的不平衡数据处理 | 第67-68页 |
4.4.2 算法自更新 | 第68-69页 |
4.5 本章小结 | 第69-70页 |
第5章 算法实现及结果分析 | 第70-76页 |
5.1 算法流程 | 第70-71页 |
5.2 分类器评价指标 | 第71页 |
5.3 不平衡数据处理优化效果分析 | 第71-72页 |
5.4 PSO优化处理效果分析 | 第72-75页 |
5.5 本章小结 | 第75-76页 |
第6章 结论与展望 | 第76-78页 |
6.1 全文总结 | 第76页 |
6.2 工作展望 | 第76-78页 |
参考文献 | 第78-84页 |
致谢 | 第84-86页 |
攻读学位期间发表的学术论文和参加科研情况 | 第86-87页 |
学位论文评阅及答辩情况表 | 第87页 |