| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 课题研究背景及意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.2.1 电网设备故障诊断研究现状 | 第11-12页 |
| 1.2.2 大数据及Spark技术研究现状 | 第12页 |
| 1.3 论文主要研究内容及文章结构 | 第12-14页 |
| 第2章 电网设备故障诊断与大数据技术研究 | 第14-20页 |
| 2.1 电网设备故障诊断技术研究 | 第14-15页 |
| 2.2 分布式文件系统 | 第15-16页 |
| 2.3 分布式集群资源管理 | 第16-17页 |
| 2.4 分布式计算框架SPARK | 第17-19页 |
| 2.4.1 Spark的设计思想 | 第17页 |
| 2.4.2 Spark的运行架构 | 第17-18页 |
| 2.4.3 Spark的shuffle机制与依赖关系 | 第18-19页 |
| 2.5 本章小结 | 第19-20页 |
| 第3章 基于SPARK的电网设备故障诊断方法研究 | 第20-38页 |
| 3.1 总体思路 | 第20页 |
| 3.2 数据的预处理 | 第20-22页 |
| 3.3 分类算法 | 第22-31页 |
| 3.3.1 支持向量机算法 | 第22页 |
| 3.3.2 支持向量机算法概述 | 第22-26页 |
| 3.3.3 支持向量机算法的并行化 | 第26-31页 |
| 3.4 聚类算法 | 第31-36页 |
| 3.4.1 K-means算法 | 第31页 |
| 3.4.2 K-means算法概述 | 第31-32页 |
| 3.4.3 K-means算法的并行化 | 第32-36页 |
| 3.5 本章小结 | 第36-38页 |
| 第4章 基于SPARK的电网设备故障诊断平台设计 | 第38-48页 |
| 4.1 故障诊断平台总体架构 | 第38-44页 |
| 4.1.1 故障诊断基础平台层 | 第38-39页 |
| 4.1.2 故障诊断计算框架层 | 第39-42页 |
| 4.1.3 故障诊断应用层 | 第42-44页 |
| 4.2 故障诊断模型功能设计 | 第44-45页 |
| 4.3 故障诊断模型流程设计 | 第45-46页 |
| 4.4 故障诊断模型界面展示 | 第46-47页 |
| 4.5 本章小结 | 第47-48页 |
| 第5章 实验与测试 | 第48-57页 |
| 5.1 实验环境 | 第48-49页 |
| 5.2 实验对象及方法的选取 | 第49-51页 |
| 5.2.1 变压器油中溶解气体分析 | 第49页 |
| 5.2.2 变压器故障与特征气体含量对应关系 | 第49-50页 |
| 5.2.3 基于DGA数据的故障诊断方法 | 第50-51页 |
| 5.3 实验设计 | 第51-52页 |
| 5.3.1 评估指标 | 第51-52页 |
| 5.3.2 实验数据及手段 | 第52页 |
| 5.4 实验结果与分析 | 第52-56页 |
| 5.4.1 算法有效性验证结果 | 第52-53页 |
| 5.4.2 算法性能验证结果 | 第53-56页 |
| 5.5 本章小结 | 第56-57页 |
| 第6章 总结与展望 | 第57-59页 |
| 6.1 总结 | 第57-58页 |
| 6.2 研究展望 | 第58-59页 |
| 参考文献 | 第59-62页 |
| 致谢 | 第62页 |