| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 创新点摘要 | 第7-10页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 变电站故障诊断技术的研究意义 | 第10页 |
| 1.2 变电站故障诊断技术的研究及应用现状 | 第10-12页 |
| 1.3 目前变电站故障诊断存在的问题 | 第12-13页 |
| 1.4 贝叶斯网络现状及优势 | 第13-14页 |
| 1.5 本文主要工作 | 第14-16页 |
| 第二章 变电站故障特征分析 | 第16-22页 |
| 2.1 变电站常见故障分类 | 第16-17页 |
| 2.1.1 电力线路故障 | 第16-17页 |
| 2.1.2 母线故障 | 第17页 |
| 2.1.3 变压器故障 | 第17页 |
| 2.2 变电站设备故障诊断特征 | 第17-18页 |
| 2.3 变电站故障区域的识别原理与方法 | 第18-19页 |
| 2.4 变电站故障诊障系统 | 第19-21页 |
| 2.5 本章小结 | 第21-22页 |
| 第三章 基于主成分分析的贝叶斯网络故障元件诊断 | 第22-43页 |
| 3.1 贝叶斯网络的数学表达 | 第22-26页 |
| 3.1.1 贝叶斯网络参数学习 | 第23-25页 |
| 3.1.2 贝叶斯网络结构学习 | 第25页 |
| 3.1.3 贝叶斯网络建模及推理 | 第25-26页 |
| 3.2 根据主成分分析的故障模型约简 | 第26-32页 |
| 3.2.1 主成分分析法理论简介 | 第26-28页 |
| 3.2.2 建立故障信息决策表 | 第28-30页 |
| 3.2.3 主成分分析用于变电站故障样本特征提取 | 第30页 |
| 3.2.4 基于元件的故障诊断贝叶斯网络模型约简 | 第30-32页 |
| 3.3 基于贝叶斯网络模型约简的变电站设备故障诊断 | 第32-35页 |
| 3.3.2 贝叶斯网络在变电站诊断的赋值 | 第33-34页 |
| 3.3.3 贝叶斯分布式诊断模型及方法 | 第34-35页 |
| 3.4 35KV变电站故障仿真算例 | 第35-42页 |
| 3.4.1 仿真模型 | 第35-37页 |
| 3.4.2 故障识别结果及分析 | 第37-42页 |
| 3.5 本章小结 | 第42-43页 |
| 第四章 基于S变换的贝叶斯分类器的故障类型识别 | 第43-55页 |
| 4.1 基于S变换的变电站电压暂降的识别 | 第43-45页 |
| 4.1.1 S变换的基本原理 | 第43页 |
| 4.1.2 电压暂降的识别流程 | 第43-45页 |
| 4.2 贝叶斯分类 | 第45-49页 |
| 4.2.1 朴素贝叶斯分类 | 第45-47页 |
| 4.2.2 估计类别下特征属性划分的条件概率及Laplace校准 | 第47-48页 |
| 4.2.3 基于贝叶斯分类器的变电站故障识别步骤 | 第48-49页 |
| 4.3 仿真研究 | 第49-53页 |
| 4.3.1 仿真模型 | 第49页 |
| 4.3.2 线路故障数据的采集 | 第49-53页 |
| 4.3.3 故障识别结果及分析 | 第53页 |
| 4.4 本章小结 | 第53-55页 |
| 结论 | 第55-57页 |
| 参考文献 | 第57-61页 |
| 发表文章目录 | 第61-62页 |
| 致谢 | 第62-63页 |