| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 1 绪论 | 第12-16页 |
| 1.1 课题的提出和意义 | 第12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.2.1 电力系统故障诊断方法 | 第12-13页 |
| 1.2.2 气象因素对电力系统输配电线路故障率的影响 | 第13-14页 |
| 1.3 本文的主要内容和工作 | 第14-16页 |
| 2 基于多源数据的电网故障风险预警技术 | 第16-35页 |
| 2.1 多源海量数据融合技术 | 第16-23页 |
| 2.1.1 面向拓扑分析的跳闸元件识别技术 | 第17-18页 |
| 2.1.2 异质数据源的台账映射技术 | 第18-20页 |
| 2.1.3 基于电网事故分闸的数据融合技术 | 第20-23页 |
| 2.2 基于多源数据的电网故障风险预警功能架构 | 第23-34页 |
| 2.2.1 数据源 | 第23页 |
| 2.2.2 关联因素 | 第23-24页 |
| 2.2.3 关联分析 | 第24-25页 |
| 2.2.4 风险预警 | 第25-34页 |
| 2.3 本章小结 | 第34-35页 |
| 3 基于BP神经网络的电力系统故障气象原因分析 | 第35-49页 |
| 3.1 引言 | 第35-36页 |
| 3.2 电力系统故障原因分析架构 | 第36-38页 |
| 3.3 基于附加动量法和自适应学习速率法的改进BP神经网络算法 | 第38-39页 |
| 3.4 故障要素全景呈现 | 第39-42页 |
| 3.5 算例 | 第42-48页 |
| 3.6 本章小结 | 第48-49页 |
| 4 基于多源数据融合的电力系统故障诊断与评估平台开发 | 第49-64页 |
| 4.1 引言 | 第49-50页 |
| 4.2 基于多源数据融合的故障诊断平台框架 | 第50-51页 |
| 4.3 多源数据融合处理流程 | 第51-56页 |
| 4.3.1 多源海量数据采集技术 | 第51-52页 |
| 4.3.2 多源数据安全传输技术 | 第52-53页 |
| 4.3.3 海量数据的自动分类技术 | 第53-54页 |
| 4.3.4 多源海量数据融合技术 | 第54-56页 |
| 4.4 利用多源数据的电网故障智能诊断技术 | 第56-60页 |
| 4.4.1 基本架构 | 第57-58页 |
| 4.4.2 保护映射 | 第58页 |
| 4.4.3 故障假说和目标函数 | 第58-59页 |
| 4.4.4 目标函数的计算 | 第59-60页 |
| 4.4.5 故障报告智能生成技术 | 第60页 |
| 4.5 基于规则推理的配网故障诊断评估技术 | 第60-62页 |
| 4.5.1 配电网故障记录索引判别 | 第61-62页 |
| 4.5.2 统计判据 | 第62页 |
| 4.5.3 人工统计辅助分析功能 | 第62页 |
| 4.6 系统研发与应用 | 第62页 |
| 4.7 本章小结 | 第62-64页 |
| 结论与展望 | 第64-66页 |
| 参考文献 | 第66-71页 |
| 攻读硕士学位期间取得的研究成果 | 第71-72页 |
| 致谢 | 第72页 |
