變電站電力設備故障數(shù)字診斷與評估

第1章概述
1.1變電設備故障診斷的重要意義
1.2變電設備故障診斷的發(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基于機器學的故障診斷方法
1.2.4基于多源數(shù)據(jù)融合的故障診斷
1.3變電設備故障診斷方法的難點問題分析
1.3.1變電設備故障機制復雜
1.3.2變電設備故障診斷數(shù)據(jù)體量巨大
1.3.3變電設備狀態(tài)評估數(shù)據(jù)質(zhì)量不佳
1.4人工智能技術的發(fā)展現(xiàn)狀及技術勢
1.4.1人工智能關鍵技術概述
1.4.2人工智能關鍵技術分析
1.5人工智能技術在變電設備故障診斷中的化需求
1.5.1噪聲抑制對變電設備故障診斷的影響
1.5.2樣本不均衡對變電設備故障診斷的影響
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
第2章基于知識數(shù)據(jù)融合驅(qū)動的油浸設備局放脈沖樣本數(shù)據(jù)增強
2.1緒論
2.1.1局放電樣本數(shù)據(jù)增強的應用背景及其要性
2.1.2數(shù)據(jù)增強方法研究現(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
2.2.4算例分析
2.3基于DAEGAN的局放信號數(shù)據(jù)增強技術
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
2.3.3算例分析
2.4本章小結(jié)
2.5參考文獻
第3章基于局征提取與RepVGG的油浸設備局脈沖放電模式
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LISTA的局放電信號噪聲抑制技術
3.2.1融合深度學的迭代閾值收縮算法(LISTA)原理
3.2.2基于改進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
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
第4章基于DGA和改進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基于加權綜合損失化深度學和DGA的變壓器故障
診斷方法
4.2.1SSAE基本原理
4.2.2基于加權綜合損失改進深度學方法
4.2.3基于加權綜合損失化深度學和DGA的變壓器故障
診斷方法
4.2.4應用案例分析
4.3基于變分自編碼器預處理深度學和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處理
4.3.2基于變分自編碼器預處理深度學和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
第5章基于FCSAE的全景數(shù)據(jù)融合及貝葉斯網(wǎng)絡的變壓器綜合
診斷方法
5.1緒論
5.1.1變電站全景數(shù)據(jù)接入與融合技術研究現(xiàn)狀
5.1.2變電站全景數(shù)據(jù)融合技術研究現(xiàn)狀
5.1.3電氣設備診斷方法研究現(xiàn)狀
5.1.4人工智能技術在變電站設備檢測及診斷中的應用現(xiàn)狀
5.2基于FCSAE的變壓器全景數(shù)據(jù)融合技術
5.2.1基于EMPCAFCM的變壓器全景數(shù)據(jù)預處理方法
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
應用案例
5.3基于貝葉斯網(wǎng)絡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)絡的變壓器
綜合診斷方法
5.4本章小結(jié)
5.5參考文獻
第6章GIS局放電UHF譜圖庫與深度學模式識別
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運行條件下GIS局放電UHF譜圖預處理
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)果加權融合的模式識別
6.4現(xiàn)場UHF數(shù)據(jù)的深度學方法
6.4.1基于WGANResNet網(wǎng)絡的深度學方法
6.4.2小譜圖集下的CNN遷移學
6.5本章小結(jié)
6.6參考文獻

第7章基于多源信息融合的GIS運行狀態(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開斷設備機械故障類型及復現(xiàn)方法
7.2.1觸頭卡澀
7.2.2軸銷脫落
7.2.3彈簧機構(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與復合征信號的構(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
7.4.2ResNet網(wǎng)絡
7.5本章小結(jié)
7.6參考文獻
第8章基于溫度檢測和深度經(jīng)網(wǎng)絡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
第9章基于紫外視頻和MiCT時空網(wǎng)絡的變電站內(nèi)緣子放電
嚴重程度評估
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注及
數(shù)據(jù)庫建立
9.3基于MiCT時空網(wǎng)絡和紫外視頻的緣子放電嚴重程度評估
9.3.1MiCT時空網(wǎng)絡及化方法
9.3.2緣子放電嚴重程度評估及分析
9.3.3軟件開發(fā)及應用
9.4本章小結(jié)
9.5參考文獻

第10章基于卷積經(jīng)網(wǎng)絡的變電設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電力設備紅外檢測國內(nèi)外研究現(xiàn)狀
10.1.3計算機視覺算法研究及其應用國內(nèi)外研究現(xiàn)狀
10.1.4計算機視覺在電力設備紅外檢測上的應用
10.2變電設備紅外圖像數(shù)據(jù)庫的建立
10.2.1基于快速導向濾波的紅外圖像去噪
10.2.2基于MSRCP的紅外圖像增強
10.2.3變電設備紅外圖像的標注及數(shù)據(jù)庫的建立
10.3基于卷積經(jīng)網(wǎng)絡的變電設備紅外圖像故障辨識方法
10.3.1基于Faster RCNN的變電設備紅外圖像故障辨識
方法
10.3.2基于SSDMobileNet的變電設備紅外圖像實時檢測
方法
10.3.3變電設備故障檢測及分析
10.4本章小結(jié)
10.5參考文獻
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)建及擴增技術
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基于小樣本學的螺栓缺陷數(shù)據(jù)擴增技術
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)絡的金具檢測方法及實驗驗證
11.3.2基于多標簽學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