變電站電力設(shè)備故障數(shù)字診斷與評估

第1章概述
1.1變電設(shè)備故障診斷的重要意義
1.2變電設(shè)備故障診斷的發(fā)展現(xiàn)狀
1.2.1基于閾值判定的故障診斷方法
1.2.2基于家系統(tǒng)的故障診斷方法
1.2.3基于機(jī)器學(xué)的故障診斷方法
1.2.4基于多源數(shù)據(jù)融合的故障診斷
1.3變電設(shè)備故障診斷方法的難點(diǎn)問題分析
1.3.1變電設(shè)備故障機(jī)制復(fù)雜
1.3.2變電設(shè)備故障診斷數(shù)據(jù)體量巨大
1.3.3變電設(shè)備狀態(tài)評估數(shù)據(jù)質(zhì)量不佳
1.4人工智能技術(shù)的發(fā)展現(xiàn)狀及技術(shù)勢
1.4.1人工智能關(guān)鍵技術(shù)概述
1.4.2人工智能關(guān)鍵技術(shù)分析
1.5人工智能技術(shù)在變電設(shè)備故障診斷中的化需求
1.5.1噪聲抑制對變電設(shè)備故障診斷的影響
1.5.2樣本不均衡對變電設(shè)備故障診斷的影響
1.5.3多元輸入對診斷模型的影響
1.6本書主要內(nèi)容
1.7參考文獻(xiàn)
第2章基于知識數(shù)據(jù)融合驅(qū)動的油浸設(shè)備局放脈沖樣本數(shù)據(jù)增強(qiáng)
2.1緒論
2.1.1局放電樣本數(shù)據(jù)增強(qiáng)的應(yīng)用背景及其要性
2.1.2數(shù)據(jù)增強(qiáng)方法研究現(xiàn)狀
2.2基于知識數(shù)據(jù)融合驅(qū)動的局放脈沖數(shù)據(jù)增強(qiáng)方法
2.2.1知識數(shù)據(jù)融合驅(qū)動的要性及方法概述
2.2.2局放脈沖篩選與征知識補(bǔ)充
2.2.3基于知識數(shù)據(jù)融合驅(qū)動的局放脈沖數(shù)據(jù)增強(qiáng)
2.2.4算例分析
2.3基于DAEGAN的局放信號數(shù)據(jù)增強(qiáng)技術(shù)
2.3.1基于深度自編碼器的局放信號降維
2.3.2基于DAEGAN的局放信號數(shù)據(jù)增強(qiáng)
2.3.3算例分析
2.4本章小結(jié)
2.5參考文獻(xiàn)
第3章基于局征提取與RepVGG的油浸設(shè)備局脈沖放電模式
識別方法
3.1引言
3.1.1局放電故障診斷應(yīng)用背景及其要性
3.1.2國內(nèi)外研究現(xiàn)狀
3.2基于改進(jìn)LISTA的局放電信號噪聲抑制技術(shù)
3.2.1融合深度學(xué)的迭代閾值收縮算法(LISTA)原理
3.2.2基于改進(jìn)LISTA算法的局放電信號噪聲抑制
3.2.3算例分析
3.3基于ORBRepVGG的高魯棒性局放模式識別技術(shù)
3.3.1局放脈沖時頻聯(lián)合分析
3.3.2基于ORB算法局征提取方法
3.3.3基于ORBRepVGG的局放電模式識別方法
3.3.4算例分析
3.4本章小結(jié)
3.5參考文獻(xiàn)
第4章基于DGA和改進(jìn)SSAE的變壓器故障診斷方法
4.1引言
4.1.1研究背景和意義
4.1.2國內(nèi)外研究現(xiàn)狀
4.1.3本章主要內(nèi)容
4.2基于加權(quán)綜合損失化深度學(xué)和DGA的變壓器故障
診斷方法
4.2.1SSAE基本原理
4.2.2基于加權(quán)綜合損失改進(jìn)深度學(xué)方法
4.2.3基于加權(quán)綜合損失化深度學(xué)和DGA的變壓器故障
診斷方法
4.2.4應(yīng)用案例分析
4.3基于變分自編碼器預(yù)處理深度學(xué)和DGA的變壓器故障診斷
方法
4.3.1基于變分自編碼器的不平衡樣本預(yù)處理
4.3.2基于變分自編碼器預(yù)處理深度學(xué)和DGA的變壓器
故障診斷模型建立方法
4.3.3案例分析
4.4本章小結(jié)
4.5參考文獻(xiàn)
第5章基于FCSAE的全景數(shù)據(jù)融合及貝葉斯網(wǎng)絡(luò)的變壓器綜合
診斷方法
5.1緒論
5.1.1變電站全景數(shù)據(jù)接入與融合技術(shù)研究現(xiàn)狀
5.1.2變電站全景數(shù)據(jù)融合技術(shù)研究現(xiàn)狀
5.1.3電氣設(shè)備診斷方法研究現(xiàn)狀
5.1.4人工智能技術(shù)在變電站設(shè)備檢測及診斷中的應(yīng)用現(xiàn)狀
5.2基于FCSAE的變壓器全景數(shù)據(jù)融合技術(shù)
5.2.1基于EMPCAFCM的變壓器全景數(shù)據(jù)預(yù)處理方法
5.2.2基于FCSAE的變壓器全景數(shù)據(jù)融合模型建立
5.2.3基于FCSAE的變壓器全景數(shù)據(jù)融合處理及其
應(yīng)用案例
5.3基于貝葉斯網(wǎng)絡(luò)的變壓器綜合診斷方法
5.3.1電力變壓器狀態(tài)診斷規(guī)則集的構(gòu)建方法
5.3.2基于數(shù)據(jù)融合和化貝葉斯網(wǎng)絡(luò)的變壓器綜合診斷
模型構(gòu)建方法
5.3.3基于FCSAE的全景數(shù)據(jù)融合及貝葉斯網(wǎng)絡(luò)的變壓器
綜合診斷方法
5.4本章小結(jié)
5.5參考文獻(xiàn)
第6章GIS局放電UHF譜圖庫與深度學(xué)模式識別
6.1引言
6.1.1研究背景及意義
6.1.2國內(nèi)外研究現(xiàn)狀
6.1.3本章主要內(nèi)容
6.2GIS中局放電UHF譜圖與現(xiàn)場數(shù)據(jù)預(yù)處理方法
6.2.1UHF局放電譜圖類型
6.2.2實驗室GIS局放電UHF譜圖
6.2.3運(yùn)行條件下GIS局放電UHF譜圖預(yù)處理
6.3模式識別中各種UHF譜圖的有效性與融合方法
6.3.1LeNet5卷積經(jīng)網(wǎng)絡(luò)模型的結(jié)構(gòu)與識別方法
6.3.2基于相位分布譜圖的模式識別
6.3.3基于脈沖序列譜圖的模式識別
6.3.4基于多種譜圖識別結(jié)果加權(quán)融合的模式識別
6.4現(xiàn)場UHF數(shù)據(jù)的深度學(xué)方法
6.4.1基于WGANResNet網(wǎng)絡(luò)的深度學(xué)方法
6.4.2小譜圖集下的CNN遷移學(xué)
6.5本章小結(jié)
6.6參考文獻(xiàn)

第7章基于多源信息融合的GIS運(yùn)行狀態(tài)智能評估
7.1引言
7.1.1研究背景與意義
7.1.2國內(nèi)外研究現(xiàn)狀
7.1.3本章主要工作
7.2開斷設(shè)備機(jī)械故障類型及復(fù)現(xiàn)方法
7.2.1觸頭卡澀
7.2.2軸銷脫落
7.2.3彈簧機(jī)構(gòu)卡澀
7.2.4鐵芯卡澀
7.3故障監(jiān)測信號的選擇與獲取
7.3.1機(jī)械振動信號
7.3.2分合閘線圈電流信號
7.3.3觸頭位移路徑
7.3.4多源信息的融合技術(shù)與復(fù)合征信號的構(gòu)建
7.4小樣本數(shù)據(jù)下的人工智能識別算法
7.4.1基于WGAN的樣本數(shù)據(jù)增強(qiáng)
7.4.2ResNet網(wǎng)絡(luò)
7.5本章小結(jié)
7.6參考文獻(xiàn)
第8章基于溫度檢測和深度經(jīng)網(wǎng)絡(luò)模型的干式空心電抗器故障
程度評估方法
8.1引言
8.1.1研究背景及意義
8.1.2國內(nèi)外研究現(xiàn)狀
8.1.3本節(jié)主要內(nèi)容
8.2干式空心電抗器溫度故障信息數(shù)據(jù)庫的建立
8.2.1基于UHFRFID無線溫度傳感器的干式空心電抗器
溫度信息獲取及分析
8.2.2基于拉曼散射的干式空心電抗器分布式溫度信息獲取及
處理
8.3基于溫度檢測和深度經(jīng)網(wǎng)絡(luò)模型的干式空心電抗器故障程度
評估方法
8.3.1深度經(jīng)網(wǎng)絡(luò)模型及化方法
8.3.2干式空心電抗器故障程度評估及分析
8.3.3模型性能分析
8.4本章小結(jié)
8.5參考文獻(xiàn)
第9章基于紫外視頻和MiCT時空網(wǎng)絡(luò)的變電站內(nèi)緣子放電
嚴(yán)重程度評估
9.1引言
9.1.1研究背景及意義
9.1.2國內(nèi)外研究現(xiàn)狀
9.1.3本章主要工作
9.2緣子放電試驗及紫外視頻數(shù)據(jù)庫的建立
9.2.1基于緣子放電試驗的紫外視頻及其同步參量的獲取
及分析
9.2.2基于Kmeans的緣子放電紫外視頻標(biāo)注及
數(shù)據(jù)庫建立
9.3基于MiCT時空網(wǎng)絡(luò)和紫外視頻的緣子放電嚴(yán)重程度評估
9.3.1MiCT時空網(wǎng)絡(luò)及化方法
9.3.2緣子放電嚴(yán)重程度評估及分析
9.3.3軟件開發(fā)及應(yīng)用
9.4本章小結(jié)
9.5參考文獻(xiàn)

第10章基于卷積經(jīng)網(wǎng)絡(luò)的變電設(shè)備故障紅外圖像辨識方法研究
10.1引言
10.1.1研究背景及意義
10.1.2電力設(shè)備紅外檢測國內(nèi)外研究現(xiàn)狀
10.1.3計算機(jī)視覺算法研究及其應(yīng)用國內(nèi)外研究現(xiàn)狀
10.1.4計算機(jī)視覺在電力設(shè)備紅外檢測上的應(yīng)用
10.2變電設(shè)備紅外圖像數(shù)據(jù)庫的建立
10.2.1基于快速導(dǎo)向濾波的紅外圖像去噪
10.2.2基于MSRCP的紅外圖像增強(qiáng)
10.2.3變電設(shè)備紅外圖像的標(biāo)注及數(shù)據(jù)庫的建立
10.3基于卷積經(jīng)網(wǎng)絡(luò)的變電設(shè)備紅外圖像故障辨識方法
10.3.1基于Faster RCNN的變電設(shè)備紅外圖像故障辨識
方法
10.3.2基于SSDMobileNet的變電設(shè)備紅外圖像實時檢測
方法
10.3.3變電設(shè)備故障檢測及分析
10.4本章小結(jié)
10.5參考文獻(xiàn)
第11章基于可見光圖像和知識推理的視覺不可分螺栓缺陷檢測
11.1引言
11.1.1研究背景及意義
11.1.2國內(nèi)外研究現(xiàn)狀
11.1.3本章主要內(nèi)容
11.2可見光巡檢數(shù)據(jù)集的構(gòu)建及擴(kuò)增技術(shù)
11.2.1金具數(shù)據(jù)集的構(gòu)建
11.2.2螺栓缺陷數(shù)據(jù)集的構(gòu)建
11.2.3基于小樣本學(xué)的螺栓缺陷數(shù)據(jù)擴(kuò)增技術(shù)
11.3基于知識推理的視覺不可分螺栓缺陷檢測
11.3.1基于輕量級網(wǎng)絡(luò)的金具檢測方法及實驗驗證
11.3.2基于多標(biāo)簽學(xué)的螺栓多屬性分類方法及實驗驗證
11.3.3基于知識推理的視覺不可分螺栓缺陷檢測方法及實驗
驗證
11.4本章小結(jié)
11.5參考文獻(xiàn)