变电站事故分析系统的实现及变压器故障识别新方法的研究
摘要 | 第1-6页 |
Abstract | 第6-9页 |
第1章 绪论 | 第9-15页 |
·背景及其意义 | 第9-10页 |
·国内外研究动态 | 第10-13页 |
·本论文的主要工作 | 第13-15页 |
第2章 变电站事故分析系统整体设计 | 第15-26页 |
·引言 | 第15页 |
·系统整体介绍 | 第15-17页 |
·通信组网方案 | 第17-20页 |
·通信接口引用标准 | 第18页 |
·与保护通信 | 第18-19页 |
·与故障录波器通信 | 第19页 |
·与调度中心通信 | 第19-20页 |
·数据库系统方案设计 | 第20-24页 |
·拓扑绘图 | 第20-21页 |
·数据库及查询功能 | 第21-22页 |
·COMTRADE99 规约及读取 | 第22-24页 |
·事故分析功能 | 第24页 |
·小节 | 第24-26页 |
第3章 变压器事故分析子系统的研究 | 第26-44页 |
·引言 | 第26页 |
·变压器事故分析子系统的总体设计 | 第26-28页 |
·两种数据源信息融合 | 第28-33页 |
·录波和保护信息的一次融合 | 第28-30页 |
·录波和保护信息的二次融合 | 第30-31页 |
·两种数据融合的难点 | 第31-33页 |
·变压器故障特性分析 | 第33-38页 |
·变压器故障分析判据 | 第33-35页 |
·励磁涌流识别 | 第35-37页 |
·事故分析流程 | 第37-38页 |
·继电器动作行为分析 | 第38-39页 |
·事故分析报告 | 第39-40页 |
·离线分析 | 第40页 |
·案例分析 | 第40-43页 |
·结论 | 第43-44页 |
第4章 变压器故障识别新方法的研究与应用 | 第44-55页 |
·引言 | 第44页 |
·支持向量分类机 | 第44-47页 |
·机器学习的发展历史 | 第45页 |
·支持向量机的基本原理 | 第45-46页 |
·支持向量机二分类变形算法C-SVC | 第46-47页 |
·支持向量机输入特征量选择原则 | 第47-49页 |
·谐波含量识别励磁涌流 | 第47页 |
·间断角和波宽识别励磁涌流 | 第47-48页 |
·波形畸变识别励磁涌流 | 第48页 |
·波形相关系数 | 第48页 |
·励磁测量阻抗法 | 第48-49页 |
·基于C-SVC 励磁涌流识别方案实现 | 第49-52页 |
·训练 | 第49-52页 |
·测试 | 第52页 |
·预测 | 第52页 |
·样本对分类结果的影响 | 第52-53页 |
·特征量筛选 | 第53页 |
·支持向量机与人工神经网络 | 第53-54页 |
·小节 | 第54-55页 |
第5章 结论与展望 | 第55-57页 |
·总结 | 第55-56页 |
·展望 | 第56-57页 |
参考文献 | 第57-61页 |
攻读硕士学位期间发表的论文及其它成果 | 第61-62页 |
致谢 | 第62-63页 |
详细摘要 | 第63-73页 |