| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 选题的背景及其意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 大数据发展现状 | 第11-13页 |
| 1.2.2 状态检修发展现状 | 第13页 |
| 1.3 变电设备状态评估预警技术研究现状及发展趋势 | 第13-17页 |
| 1.3.1 数据整合及质量提升技术 | 第13-14页 |
| 1.3.2 异构数据集成、存储、检索及可视化展现技术 | 第14-15页 |
| 1.3.3 变电设备状态评价 | 第15页 |
| 1.3.4 变电设备故障诊断和预测 | 第15-17页 |
| 1.4 课题的主要研究内容 | 第17-18页 |
| 第2章 状态监测预警技术概述 | 第18-27页 |
| 2.1 油色谱技术 | 第18-21页 |
| 2.1.1 油中气体产生原因 | 第18-19页 |
| 2.1.2 判断标准 | 第19页 |
| 2.1.3 变压器故障分析 | 第19-21页 |
| 2.2 局部放电技术 | 第21-22页 |
| 2.3 红外测温技术 | 第22-23页 |
| 2.5 预警诊断方法 | 第23-25页 |
| 2.6 本章小结 | 第25-27页 |
| 第3章 大数据整合及质量提升技术 | 第27-38页 |
| 3.1 大数据理论 | 第27-30页 |
| 3.1.1 电力数据的特点 | 第27-28页 |
| 3.1.2 大数据面临的挑战 | 第28-29页 |
| 3.1.3 电力大数据技术 | 第29-30页 |
| 3.2 状态数据质量分析 | 第30-32页 |
| 3.2.1 数据质量提升 | 第30-32页 |
| 3.2.2 数据质量分析 | 第32页 |
| 3.2.3 数据分析展示 | 第32页 |
| 3.3 变压器状态监测预警 | 第32-37页 |
| 3.3.1 数据识别 | 第33-34页 |
| 3.3.2 数据导入 | 第34-35页 |
| 3.3.3 数据趋势分析 | 第35-36页 |
| 3.3.4 数据相关比较 | 第36-37页 |
| 3.4 本章小结 | 第37-38页 |
| 第4章 主变压器智能预警模型研究 | 第38-45页 |
| 4.1 概述 | 第38页 |
| 4.2 回归算法模型 | 第38-39页 |
| 4.2.1 回归算法原理 | 第38页 |
| 4.2.2 回归算法建模 | 第38-39页 |
| 4.3 聚类算法模型 | 第39-42页 |
| 4.3.1 粗糙集理论 | 第39-40页 |
| 4.3.2 聚类分析 | 第40-41页 |
| 4.3.3 模糊聚类 | 第41-42页 |
| 4.4 预警模型的建立 | 第42-44页 |
| 4.4.1 数据模型 | 第43页 |
| 4.4.2 数据校验 | 第43-44页 |
| 4.4.3 诊断分析 | 第44页 |
| 4.5 本章小结 | 第44-45页 |
| 第5章 监测预警技术开发与应用研究 | 第45-52页 |
| 5.1 系统架构 | 第45-48页 |
| 5.1.1 功能架构 | 第45-46页 |
| 5.1.2 技术架构 | 第46-47页 |
| 5.1.3 网络架构 | 第47-48页 |
| 5.2 系统功能展示 | 第48-51页 |
| 5.2.1 监测装置管理 | 第48-49页 |
| 5.2.2 调控运行实时监控 | 第49-51页 |
| 5.3 本章小结 | 第51-52页 |
| 第6章 结论与展望 | 第52-53页 |
| 6.1 结论 | 第52页 |
| 6.2 展望 | 第52-53页 |
| 参考文献 | 第53-56页 |
| 致谢 | 第56-57页 |
| 作者简介 | 第57页 |