| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-17页 |
| ·课题的意义 | 第10-12页 |
| ·课题的研究现状 | 第12-15页 |
| ·火电厂在线监测与故障诊断技术的发展 | 第12-14页 |
| ·发电厂中的监控系统--DCS | 第14页 |
| ·发电厂中的实时数据库--PI系统 | 第14-15页 |
| ·目前设备在线状态监测与故障诊断的不足 | 第15页 |
| ·论文的主要工作 | 第15-17页 |
| 第2章 基于DCS的发电厂电气设备状态在线监测方案设计 | 第17-25页 |
| ·DCS的构成 | 第17-20页 |
| ·操作员站 | 第17-18页 |
| ·现场控制站 | 第18页 |
| ·工程师站 | 第18页 |
| ·服务器和其他功能站 | 第18页 |
| ·网络系统 | 第18-19页 |
| ·现场总线网络 | 第19页 |
| ·高级管理网络 | 第19-20页 |
| ·电气系统由DCS监控的范围 | 第20页 |
| ·发电厂状态监测的基本内容与基本要求 | 第20-21页 |
| ·发电厂状态监测的基本内容 | 第20-21页 |
| ·发电厂状态监测的基本要求 | 第21页 |
| ·基于DCS的发电厂电气设备状态在线监测方案建立 | 第21-22页 |
| ·本监测方案的主要功能 | 第22-24页 |
| ·信号变送功能 | 第23页 |
| ·信号处理功能 | 第23页 |
| ·数据采集功能 | 第23页 |
| ·数据传输功能 | 第23页 |
| ·数据处理功能 | 第23页 |
| ·数据存储功能 | 第23页 |
| ·诊断功能 | 第23-24页 |
| ·权限管理 | 第24页 |
| ·本章小结 | 第24-25页 |
| 第3章 发电厂电气设备状态监测实时数据库及数据挖掘技术研究 | 第25-41页 |
| ·状态监测对实时数据库的要求 | 第25页 |
| ·现有DCS数据库的缺点 | 第25-26页 |
| ·PI系统介绍 | 第26-30页 |
| ·PI系统作用 | 第26-27页 |
| ·PI系统技术优势 | 第27-29页 |
| ·PI系统的平台架构 | 第29-30页 |
| ·选择PI数据库的原因 | 第30页 |
| ·数据挖掘技术 | 第30页 |
| ·数据挖掘过程 | 第30-31页 |
| ·数据准备 | 第31页 |
| ·数据预处理 | 第31页 |
| ·数据挖掘 | 第31页 |
| ·结果评价 | 第31页 |
| ·数据挖掘常用算法 | 第31-38页 |
| ·决策树归纳分类算法 | 第32-33页 |
| ·粗糙集理论 | 第33-35页 |
| ·人工神经元网络 | 第35-37页 |
| ·贝叶斯分类 | 第37-38页 |
| ·发现关联规则的数据挖掘算法 | 第38页 |
| ·面向聚类问题的数据挖掘算法 | 第38页 |
| ·数据挖掘的问题与挑战 | 第38-39页 |
| ·用户交互问题 | 第39页 |
| ·数据挖掘算法的可延展性 | 第39页 |
| ·数据库类型多样性 | 第39页 |
| ·本章小结 | 第39-41页 |
| 第4章 电气设备状态诊断方法研究 | 第41-51页 |
| ·发电设备的状态监测研究 | 第41-43页 |
| ·发电机的状态监测 | 第41页 |
| ·变压器的状态监测 | 第41-42页 |
| ·气体绝缘密闭式组合电器的状态监测 | 第42页 |
| ·电容型设备的状态监测 | 第42页 |
| ·避雷器的状态监测 | 第42-43页 |
| ·基于决策树的电气设备故障诊断方法研究 | 第43-45页 |
| ·决策树概述 | 第43页 |
| ·决策树的优势 | 第43-44页 |
| ·建造决策树 | 第44页 |
| ·决策树的学习算法 | 第44-45页 |
| ·噪声与剪枝 | 第45页 |
| ·故障诊断方法的现场应用 | 第45-49页 |
| ·选取样本 | 第45-47页 |
| ·信息增益计算 | 第47-48页 |
| ·规则的生成 | 第48-49页 |
| ·故障诊断方法实例验证 | 第49-50页 |
| ·本章小结 | 第50-51页 |
| 第5章 结论 | 第51-53页 |
| ·总结 | 第51页 |
| ·未来展望 | 第51-53页 |
| 参考文献 | 第53-56页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第56-57页 |
| 攻读硕士学位期间参加的科研工作 | 第57-58页 |
| 致谢 | 第58-59页 |
| 作者简介 | 第59页 |