面向大数据的电力设备状态监测信息聚合研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 目录 | 第8-11页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 选题的背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 大数据的研究现状 | 第12-13页 |
| 1.2.2 电力设备状态监测现状 | 第13-15页 |
| 1.3 本文主要的研究工作 | 第15-17页 |
| 第二章 电力大数据的特点及其关键技术 | 第17-25页 |
| 2.1 大数据的基本概念 | 第17-18页 |
| 2.1.1 大数据的定义 | 第17页 |
| 2.1.2 大数据的应用方法及案例 | 第17-18页 |
| 2.2 电力大数据及其特点 | 第18-21页 |
| 2.2.1 电力行业中的大数据 | 第18-20页 |
| 2.2.2 电力大数据的特点 | 第20-21页 |
| 2.3 电力大数据的关键技术 | 第21-24页 |
| 2.3.1 电力大数据的数据管理技术 | 第21-22页 |
| 2.3.2 电力大数据的数据分析技术 | 第22-24页 |
| 2.3.3 电力大数据的数据处理技术 | 第24页 |
| 2.3.4 电力大数据的展示技术 | 第24页 |
| 2.4 本章小结 | 第24-25页 |
| 第三章 电力设备状态监测的大数据理论和方法 | 第25-39页 |
| 3.1 电力设备状态监测的基本概念 | 第25页 |
| 3.2 面向大数据的状态监测的理论基础 | 第25-29页 |
| 3.2.1 电力设备状态监测的大数据特点 | 第25-27页 |
| 3.2.2 电力设备状态监测的大数据理论方法 | 第27-29页 |
| 3.3 信息聚合技术要点 | 第29-37页 |
| 3.3.1 信息聚合的原理及内涵 | 第29-30页 |
| 3.3.2 信息聚合结构模型 | 第30-32页 |
| 3.3.3 信息聚合算法 | 第32-37页 |
| 3.4 本章小结 | 第37-39页 |
| 第四章 面向大数据的电力设备状态信息聚合 | 第39-49页 |
| 4.1 面向大数据的电力设备状态监测信息聚合架构 | 第39-44页 |
| 4.1.1 数据预处理 | 第40页 |
| 4.1.2 数据级聚合 | 第40-42页 |
| 4.1.3 信息级聚合 | 第42页 |
| 4.1.4 决策级聚合 | 第42-44页 |
| 4.2 面向大数据的电力设备状态监测信息聚合模型 | 第44-47页 |
| 4.2.1 传统的状态评估方法 | 第44页 |
| 4.2.2 基于支持向量机的信息聚合建模方案 | 第44-47页 |
| 4.3 本章小结 | 第47-49页 |
| 第五章 电力设备状态监测实例分析 | 第49-69页 |
| 5.1 基于相关性的变压器可靠性分析 | 第49-52页 |
| 5.1.1 可靠性预测模型 | 第49页 |
| 5.1.2 特征参量相关分析 | 第49-50页 |
| 5.1.3 特征向量独立分析 | 第50-51页 |
| 5.1.4 算例 | 第51-52页 |
| 5.2 相关性分析在变压器状态监测中的应用实例 | 第52-56页 |
| 5.2.1 变压器负载与顶层油温的相关性分析 | 第52-54页 |
| 5.2.2 变压器氢气与油中微水的相关性分析 | 第54-56页 |
| 5.3 变压器状态监测信息聚合实例分析 | 第56-63页 |
| 5.3.1 变压器主要监测及相互关联分析 | 第56-58页 |
| 5.3.2 变压器过热故障预测与状态推送 | 第58-63页 |
| 5.4 适用于大数据的信息聚合平台设计 | 第63-68页 |
| 5.4.1 方案设计 | 第63页 |
| 5.4.2 平台选取 | 第63-65页 |
| 5.4.3 平台展示 | 第65-68页 |
| 5.5 本章小结 | 第68-69页 |
| 第六章 总结与展望 | 第69-71页 |
| 6.1 全文工作总结 | 第69-70页 |
| 6.2 后续研究工作展望 | 第70-71页 |
| 参考文献 | 第71-73页 |
| 致谢 | 第73-74页 |
| 攻读硕士期间发表申请专利 | 第74-75页 |
| 攻读硕士期间参研相关课题 | 第75页 |
