组合电器局部放电统计特征优化与类型识别研究
| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 1 绪论 | 第9-19页 |
| 1.1 GIS 局部放电在线监测及模式识别技术 | 第9-13页 |
| 1.1.1 GIS 局部放电在线监测的意义 | 第9页 |
| 1.1.2 GIS 中绝缘故障原因及故障类型 | 第9-10页 |
| 1.1.3 GIS 局部放电检测方法 | 第10-12页 |
| 1.1.4 GIS 局部放电模式识别的意义 | 第12-13页 |
| 1.2 GIS 局部放电特征获取技术的研究现状 | 第13-16页 |
| 1.2.1 局部放电特征提取技术 | 第14-15页 |
| 1.2.2 局部放电特征选择技术 | 第15-16页 |
| 1.3 局部放电模式识别分类器的研究现状 | 第16-18页 |
| 1.4 论文的主要研究内容及思路 | 第18-19页 |
| 2 超高频法检测 GIS 局部放电试验研究 | 第19-31页 |
| 2.1 引言 | 第19页 |
| 2.2 GIS 内部典型缺陷模型 | 第19-20页 |
| 2.3 超高频法检测 GIS 局部放电实验 | 第20-22页 |
| 2.3.1 实验系统的构成 | 第20-21页 |
| 2.3.2 实验步骤及方法 | 第21-22页 |
| 2.4 实验数据处理与分析 | 第22-30页 |
| 2.4.1 局部放电单次波形 | 第22-24页 |
| 2.4.2 局部放电三维谱图 | 第24-30页 |
| 2.5 本章小结 | 第30-31页 |
| 3 用于识别 PD 缺陷种类的特征获取技术研究 | 第31-45页 |
| 3.1 引言 | 第31页 |
| 3.2 基于核 PCA 的特征提取方法 | 第31-39页 |
| 3.2.1 PCA 算法原理 | 第31-33页 |
| 3.2.2 核 PCA | 第33-35页 |
| 3.2.3 PD 二维谱图的 KPCA 提取 | 第35-39页 |
| 3.3 基于最大相关最小冗余的特征选择方法 | 第39-44页 |
| 3.3.1 特征选择算法基本理论 | 第39页 |
| 3.3.2 最大相关最小冗余特征选择方法 | 第39-41页 |
| 3.3.3 PD 二维谱图的特征量选择 | 第41-43页 |
| 3.3.4 PD 最优特征量构造 | 第43-44页 |
| 3.5 本章小结 | 第44-45页 |
| 4 基于支持向量数据描述的 PD 类型识别 | 第45-59页 |
| 4.1 引言 | 第45页 |
| 4.2 支持向量原理 | 第45-51页 |
| 4.2.1 支持向量机 | 第45-47页 |
| 4.2.2 支持向量数据描述 | 第47-49页 |
| 4.2.3 支持向量数据描述核函数 | 第49-51页 |
| 4.3 支持向量数据描述改进算法 | 第51-54页 |
| 4.3.1 OR-SVDD 的思想 | 第51-52页 |
| 4.3.2 适用条件 | 第52页 |
| 4.3.3 多分类研究 | 第52-54页 |
| 4.5 局部放电模式识别结果及分析 | 第54-58页 |
| 4.5.1 分类器训练及识别流程 | 第54-56页 |
| 4.5.2 基于特征获取的模式识别 | 第56页 |
| 4.5.3 基于优化分类器的模式识别 | 第56-58页 |
| 4.6 本章小结 | 第58-59页 |
| 5 结论和展望 | 第59-61页 |
| 5.1 结论 | 第59-60页 |
| 5.2 展望 | 第60-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-67页 |
| 附录 | 第67页 |
| A. 作者在攻读硕士学位期间发表的论文目录 | 第67页 |
| B. 作者在攻读硕士学位期间参与的科研项目 | 第67页 |
