一、用于变压器油色谱在线监测的分布式控制系统（论文文献综述）
徐泽天[1]（2021）在《Elasticsearch在电网调度数据管理的应用研究》文中研究指明某市电网调度自动化系统运行维护过程中,发现如下问题:1.调度数据快速增长,存储体量急剧膨胀,现有数据库难以满足数据存储需求。2.随着调度数据量的增长,数据查询速度越来越慢。3.现有调度自动化系统未实现日志可视化管理。随着智能电网的发展,调度自动化系统采集的电网调度运行、输变电设备在线监测等实时数据与系统运行、操作记录等日志数据将越来越多、越来越密集,形成采样快、体量大、类型多的调度大数据。现调度自动化系统普遍采用的关系型数据库是建立在低核心、小内存和大硬盘的硬件背景之上,在呈爆发式增长的调度大数据前存在读写速率低、扩展性差、并发能力不足和难以组织管理日志数据等瓶颈,无法为调度自动化系统提供稳定可靠存储、便捷高效读取和日志可视的调度数据管理服务。针对上述电网调度数据管理问题,本文提出一种以Elasticsearch分布式搜索引擎为核心的电网调度数据可靠存储、快速查询和日志数据可视化方法,将Elasticsearch在数据快速检索与日志可视化管理的优点应用于电网调度数据管理中。本文主要研究工作如下:1.为解决电网调度数据的存储问题,提出以基于云计算的Hadoop生态体系为架构,用非关系型数据库HBase代替现电网调度使用的关系型数据库来存储调度数据的方法。测试表明,电网调度分布式数据库HBase具有高可靠性和良好的并发读写性能,能满足调度自动化系统的数据存储需求。2.为解决电网调度数据查询缓慢的问题,提出在数据库HBase的一级索引基础上,通过Elasticsearch的倒排索引建立第二级索引的方法,设计并实现电网调度监测数据的二级索引结构,代替现关系型数据库的查询。以某市电网调度监测数据为样本,进行并发查询响应的对比测试,测试结果表明,基于Elasticsearch的二级索引结构的查询时间远小于现关系型数据库的查询时间,能满足调度自动化系统高速并发的数据查询需求。3.为解决电网调度自动化系统未实现日志可视化管理的问题,提出运用以Elasticsearch为核心的ELK技术栈的方法,设计并实现调度自动化系统日志可视化管理,有助于把握调度自动化系统的运行状态和精益化管理。4.基于上述解决方案,开发电网调度数据管理系统软件。结合电网调度数据管理需求,软件采用微软.NET框架,基于RESTful API实现后端处理、基于WCF提供数据服务、基于B/S模式进行前端交互,设计并实现电网调度数据管理。电网调度数据管理系统在管理某市电网调度数据的运行效果表明,该系统能满足海量调度数据稳定可靠存储、高效并发读取和日志可视化管理的需求,有助于未来调度自动化系统向智能化、精益化发展。
董伟广[2]（2021）在《电力变压器在线监测与故障诊断的系统研究》文中研究指明随着物联网、云计算和智能算法等技术的发展与普及,数据采集技术已经足够成熟,在此基础上实现基于人工智能技术和大数据分析的设备健康管理与故障诊断预测,进而成为具备自学习和自成长能力的智慧系统。电力变压器作为电力系统重要设备之一,其运行的可靠性、安全性直接影响整个电力系统的安全和系统的经济效益。本文在变压器工作状态方面的研究主要从在线监测变压器运行参数和基于DGA数据诊断故障两方面进行分析,设计与实现了变压器的监测和故障诊断系统。首先是变压器在线监测的研究。通过研究以单片机、DSP等处理器为核心在线监测变压器的应用,发现在监测方面存在着参数采集不够精确,电路设计较为复杂,不够灵活,系统运行不稳定等缺点。FPGA作为当前主流三大处理器之一,其在硬件和软件上具有超性能和灵活性特征,比单片机、DSP等在电路中的应用更加可靠。本文基于FPGA灵活实现电路的运行方式功能构建出配电变压器在线监测系统,通过对系统软硬件电路方案的确定,完成了对电路板的焊接和相关电路模型的搭建,实现了对变压器在线监测的模拟实验。主要实现对电力变压器绕组温度、电压、电流、功率因数及频率等参数的采集实现对配电变压器在线监测,并将采集的参数通过FPGA对数据的分析确定配电变压器是否处于正常运行状态,实现报警功能。实际电路测量结果表明该系统具有精度高,稳定性好、经济实用以及可视化程度高等特点,可以满足很多实际项目的需要。其次是变压器故障诊断的研究。本文通过对变压器油中气体数据分析,来判别变压器所处故障类型。为提高变压器故障诊断精度,提出一种特殊浓度归一化法结合交叉验证RBF神经网络算法用来诊断变压器中常见的五种故障类型。首先在大数据平台中对原始数据进行缺失值和异常值检测处理,再利用特征浓度归一化法将气体成分样本进行归一化,将处理后的样本数据随机分为训练集和测试集,分别应用到变压器故障诊断模型中。在变压器故障诊断模型中,针对变压器故障样本数据有限和RBF神经网络泛化能力较差以及容易出现过拟合等问题,建立K-折交叉验证法改善网络泛化能力及提高RBF网络分类准确率、分类召回率。最后建立了分类算法评估模型,利用ROC、PR曲线图及K-S曲线等指标对整体算法模型分类效果评估。通过实验分析结果得出,该分类算法模型下变压器故障诊断分类平均准确率可达90.84%,与传统的RBF神经网络、随机森林（RF）及梯度提升决策树分类（GBDT）算法分类相比,特征浓度归一化法结合交叉验证改进RBF神经网络能够提高变压器故障诊断准确率,避免了陷入局部最优,并且有效地提升了网络模型的拟合程度和稳定性。
项茂阳[3]（2021）在《变电设备故障诊断系统研究及应用》文中研究表明随着智能电网的快速发展,特别是特高压电网的建设,电网的安全稳定越来越重要。尤其是变电一次设备的可靠性对于电网的安全稳定特别重要。变电设备故障诊断是指通过收集设备运行参数、例行试验数据、在线设备诊断数据等信息,对变压器、开关等多个变电设备进行状态监测分析、故障诊断,及时反馈,及时调整电网系统运行方式,确定维修策略。首先,本文通过参阅国内外相关文献,分析了当前变电站一次设备故障诊断先进技术,包括变压器、断路器、避雷器及容性设备的故障诊断技术,着重理解了目前应用广泛的几种在线监测技术。其次,本文进行了变电设备故障诊断系统的设计与开发,对该软件的重要性和必要性进行了叙述,然后对本软件开发所涉及到的相关技术要点做了简单介绍。针对变电设备故障诊断系统,首先本文通过对系统设计以及状态评价概述展开研究,按照状态评估模块、风险评估模块、决策建议模块进行设计;然后对变电故障诊断系统的功能进行设计,包括变电设备状态评估功能设计、风险评估功能设计、变电设备检修辅助决策功能设计、变电设备在线监测功能设计、变电设备历史查询及预测评估功能设计等;最后是实现变电设备故障诊断功能。随着智能化水平的提升,我们不仅期待变电站智能化的安全稳定,我们更加期待智能调度、智能潮流管理系统的面世。随着智能化系统的不断发展,变电站的运行将更加安全、可靠。
辜祥[4]（2021）在《变电站变压器在线监测系统的设计与实现》文中提出电力已经成为了现代社会生产生活中必不可少能源,电力变压器作为电力系统中最重要的供电设备之一,如果变压器的发生故障,很容易造成电网事件或者大面积的停电事故,影响人们的日常工作生活和社会稳定。加之未来电网规模越来越大,电气化设备越来越多。而目前对变压器的监测手段仍然比较落后,难以适应现代设备管理的要求。本文针对以上问题,提出变压器在线监测的解决方案,力求对变压器的运行工况进行实时监测。本文对相关重要的厂站进行研究,分析了变压器在线监测的实际需求,并且对国内外设备在线监测的情况作了对比了解。就现在成熟的相关技术和常用的设备监测技术的深入研究和对比,对系统的便捷性,安全性,准确性,经济性等方面作了充分考虑。设计出了基于.NET平台的变压器在线监测系统。系统采用Client/Server架构（简称C/S架构）作为变压器在线监测系统的软件结构,以发挥C/S架构在安全性方面的优势,确定了系统的三层结构模式和设计了系统的基本功能模块。使用.NET Framework框架平台进行软件开发,一方面.NET平台支持C/S架构开发模式和优秀的图形化人机交互控件模式,另一发面提供了Visual Studio IDE集成开发环境,为开发人员提供了很大的方便。基于.NET平台使用C#语言实现了变压器在线监测系统的系统管理、油中气体监测、铁芯接地电流、油面温度监测等功能模块。利用SQL Sever数据库强大的数据管理能力,为系统的数据提供了数据管理、存储、查询等业务的支撑。总的说来,本文开发出了C/S架构+.NET平台+C#+SQL Sever的变压器在线监测系统,实现了实时监测变压器运行态势的初衷。通过变压器运行的指标数据可以第一时间发现故障表征,就可以在发生故障前制定科学的检修策略,以此达到保障变压器长期稳定运行,不出现大的停电事故的目标。
谢鹏[5]（2020）在《基于数据和模型的油浸式电力变压器健康管理系统研究》文中提出油浸式电力变压器在电网中的广泛使用,使其安全可靠性成为影响电网供电可靠性和供电质量的关键性因素之一,长期以来,油浸式电力变压器的健康管理一直倍受关注。由于变压器生产厂家、工艺、电压等级、容量等的多样化,以及运行环境的复杂化,变压器健康管理一直占据电网企业大量的资源。在智能电网背景下,新一代信息技术的飞速发展促进了智慧变电站的建设,使变压器运行状态的实时在线监测成为了可能,从而为变压器健康管理奠定了物理基础。本文立足于油浸式电力变压器预测性管理（prognostics and health management,PHM）的应用场景,开展变压器健康管理系统关键理论技术研究,在此基础上,充分利用先进的计算机、通信等信息技术,开发变压器PHM平台,以有效提高电网企业对变压器资产的管理水平和效率。本文的主要研究内容包括以下几个方面:（1）针对单一变压器属性难以有效、准确地实现变压器状态评估的问题,对变压器的多属性特性进行了分析,并给各属性分配适当的权重。在此基础上,提出了基于模糊逻辑的变压器多属性状态评估模型。该模型具有输入参数个数较少、模糊规则简单、评估结果准确可靠的优点。本文提出的方法克服了以往模糊逻辑模型和传统变压器健康评估方法的不足。变压器现场数据的检测结果检验了所提模型的正确性和可行性。（2）针对计算变压器热点温度的经验公式中对散热电阻的分析和取值较为简单,不能充分反映负载、环境等因素对温度的影响,致使计算结果误差相对较大的问题,研究不同负载电流下、不同冷却方式、不同内部温度下变压器内部传热方式与机理,提出考虑多因素条件下散热电阻的计算方法,进而构建综合考虑不同运行工况下变压器的改进热路模型,给出了基于改进模型的顶油和热点温度求解方法,并对计算结果进行准确性评估。结果表明,采用提出的改进模型计算得到的变压器顶油和热点温度与其实际值之差不超过2.2K,也即提出的散热电阻计算方法能有效提高热路模型的精确度。（3）分析了三种常见的基于油中溶解气体的变压器故障诊断方法;研究了遗传算法基本原理及其易陷于局部最优解的不足,提出一种交叉和变异概率、个体繁殖数量能够依适度值自适应调整的改进方法,仿真结果表明,改进方法显着提高了算法的全局搜索能力;利用提出的改进遗传算法优化BP神经网络的初始权值和阈值,建立基于改进遗传算法优化BP网络的变压器故障诊断模型,有效解决了BP神经网络收敛速度缓慢且精确度较差的问题,通过与已有的三种典型的故障诊断方法进行对比分析,结果表明提出的诊断模型具有更高的诊断速度和准确度。（4）利用提出的考虑不同工况下的变压器热路模型,建立了基于热点温度分析的变压器绝缘寿命评估模型;设计了一种热因素条件下油纸绝缘老化试验,提取基于脉冲相位分布模式的四个统计图谱共27个特征量,并通过因子分析法获取10个主成分因子,从而建立基于改进遗传算法优化BP神经网络的油浸式电力变压器油纸寿命评估方法,试验结果表明提出的方法诊断效果较好;分析了Weibull分布与电气设备寿命统计学规律的相关性,建立了基于Weibull分布的电力变压器寿命预测模型,利用收集的某电网电力变压器故障数据,检验了利用Weibull分布进行变压器寿命评估的有效性。（5）基于变压器PHM管理在线、实时化的需要,利用先进的信息网络技术,开发了变压器PHM管理系统。阐述了PHM管理平台开发所涉及关键技术理论和设计原则,基于PHM功能需求和技术资源现状,规划了平台总体架构和功能模块。通过将开发的PHM云平台对某变电站变压器联网试运行,运行结果表明,开发的平台有效提高了变压器运行状态监控水平,提升了变压器的管理效率。
王一鸣[6]（2020）在《基于深度信念网络的变压器状态诊断和预测方法研究》文中进行了进一步梳理电力变压器是电力系统中能量转换和传输的关键,是电网供电可靠性的决定性因素之一。近年来,变压器故障引发的电力系统非计划停运事故频发,严重影响了国民经济发展和正常的社会秩序。变压器故障是一个缓慢发展直至累积爆发的过程,此过程中出现的过热老化和放电击穿现象造成绝缘材料发生了不可逆损伤,缩短了变压器的正常工作寿命。油中溶解气体分析（dissolved gas analysis,DGA）是针对油浸式变压器进行状态估计和故障诊断最可靠的手段之一,IEC和国内标准已经将该技术推荐为油浸式电力设备状态评价的主要检测方法。因此,探究DGA在线监测数据与变压器故障间的关联关系,进一步开展电力变压器的故障诊断和预测工作,对支持电力设备的状态检修工作,降低电网非计划停运的风险,具有重要的理论价值和工程意义。具体而言,目前的电力变压器故障诊断和预测工作存在以下不足:1)变压器长期工作于正常运行状态,难以积累大量的故障案例数据,属于典型的小样本集场景。同时,故障的发生具有随机性,案例集中不同故障的数量比例存在严重不平衡,造成经典诊断模型的诊断精度不足;2)变压器DGA数据是具有随机波动性的非线性时间序列,经典油色谱时间预测方法在此场景中的结果存在明显的“幅值”误差和“时移”误差,尤其以“时移”误差造成基于该DGA预测结果的设备故障预测偏离实际情况。为解决上述问题,本文提出了基于深度信念网络的变压器状态诊断和预测方法。首先本文论述了故障诊断和DGA趋势预测的数学本质,并在此基础上分析了经典诊断方法的性能特点和适用性情况;其次,针对经典方法严重受限于数据质量和小数据样本性能不佳的不足,提出了一种状态导向型的电力变压器故障诊断方法,该方法在误差修正过程中可以在状态导向和数值导向间的自动切换,避免了单一导向型造成的“过修正”或“欠修正”情况,提升了小样本集、故障案例集间比例不平衡场景下的故障诊断准确率;然后,针对经典预测方法在DGA趋势预测中存在“时移”误差的不足,提出了一种面向油色谱预测的深度递归信念网络算法（deep recurrent belief network,DRBN）,解决了因模型结构限制导致油色谱时域相关性表述不充分的问题,消除了“时移”误差;最后,本文收集和整理了大量在线监测的现场案例,实例验证了本文工作的先进性。
叶建蓉[7]（2020）在《变压器油色谱在线监测分析系统的优化设计与实现》文中研究指明电网是电力系统的重要组成,其核心是变压器设备,实现对不同电压等级的转换,为配电网提供配电支持。因此变压器的运行状态直接决定了整个电力系统的供电服务质量,供电企业对于变压器异常监测都非常重视。本文根据公司的变压器管理工作要求,基于变压器特征气体浓度数据,设计实现了一套变压器油色谱在线监测分析系统,利用TROM-600装置监测的变压器特征气体浓度数据,对变压器运行状态的监测和异常分析。在研究过程中首先整理分析了目前国内外的研究现状,分析考察了变压器异常分析的技术基础,提出了系统的总体开发目标;随后,详细分析了系统的功能需求、通信需求和非功能需求,将系统的功能开发目标划分为6个方面,分别是6个实时数据管理、历史数据管理、设备管理、系统日志管理、超限数据管理和用户管理;在系统需求工作的基础上,对系统的技术选型进行分析,确立了基于.NET平台的技术开发方案,并设计了系统的拓扑结构、功能结构、功能流程、类结构和数据库模型;按照系统的功能设计,采用.NET平台的C#技术、SQL Server数据库等技术和工具,研究了系统的功能实现工作,介绍了系统的通信功能实现方法和思路,以及各功能模块的功能实现思路、流程、关键代码和效果;最后,对系统的测试工作进行了研究,分析了系统的测试环境、方法、流程、内容及结果,评价了系统的研发成果。本系统可以在TROM-600装置的基础上,基于电力通信网对变压器特征气体浓度监测数据进行采集,在此基础上实现对变压器运行状态的异常分析,降低了管理人员的工作量,提高了变压器运维管理工作的业务效率。
荣智海[8]（2020）在《基于油色谱监测数据的变压器差异化评价及分层诊断方法》文中研究说明电力变压器在电力系统中十分重要的枢纽,其性能的好坏直接影响着电力系统的安全稳定运行。随着电网扩张,大量变压器投入,故障变压器台次逐年递增,如不加以遏制,将会导致巨大的经济损失,因此有必要掌握变压器运行状态,准确识别故障类型及严重程度。油色谱分析法可灵敏识别变压器内部放电及过热异常,已成为变压器主要监测手段。在线油色谱分析作为离线色谱检测技术的发展,克服离线采样周期长,检测程序复杂等缺点,已得到了电网企业的推广,运行和检修人员获得了前所未有的海量数据,为设备的运行和检修提供了丰富的信息。但是存在大量异常运行监测装置阻碍了运维人员对变压器运行状态的掌握,这些异常监测装置数量众多并且难以识别。在此基础上,建立基于KPCA油色谱监测装置异常识别方法,该方法利用核函数对在线油色谱数据压缩变换,结合主成分分析构造的判断指标识别异常数据,提取异常数据片段对比监测装置异常工作数据特征识别异常监测装置,该方法可有效识别幅度最低为5%的阶跃突变,快速准确识别监测装置异常,对120万数据识别时间为现有方法的10%。应用该方法检查出某区域电网715台监测设备中的69台异常监测装置,识别准确率达95.7%。剔除异常监测装置以后,需要对异常的变压器进行筛选,快速锁定可能存在问题的变压器,不同于离线监测数据,在线数据存在较强波动。针对现有方法在强波动下难以准确识别异常状态的问题,提出基于Canopy模型的变压器异常识别方法,引入波动系数量化特征气体变化情况,建立基于波动系数的变权高维空间弱化监测误差较大的特征气体影响,最终在高维空间上利用Canopy模型识别变压器异常,该方法适用于存在数据缺失及数据波动大的现场情况,有效抑制状态变化边界处数据波动,比现有方法具有更好的聚类效果,提高22%聚类轮廓系数,有效识别未达到标准阈值的过热异常。算法时间复杂度函数表明,算法具有更高的效率,运算时间仅为K-Means的41%。筛选出存在异常的变压器,采用阈值评价法判断是否内部出现故障。过去由于离线数据较少,需要对变压器群体油色谱数据统计计算阈值,然而不同的变压器材料、结构,投运后负荷、运行工况不尽相同,特征气体含量差别很大,变压器群体统计数据无法代表单台状况,特殊个例下阈值会出现漏报误报的情况。如今大量油色谱在线监测装置的引进和应用,单台设备历史在线数据量已可以计算阈值,但是单台变压器数据分布未知并且故障分界点难以确定。针对这些问题,本文搭建了油色谱正常-故障产气平台,模拟正常及放电故障下产气发展过程,发现正常变压器特征气体满足三参数威布尔分布模型。设计针板、柱板缺陷模型,研究变压器油色谱含量随内部缺陷发展的变化关系,发现随放电缺陷发展特征气体存在三个阶段变化趋势,根据严重程度区分为起始、发展及严重阶段;在放电起始阶段,无特征气体产生,在放电发展阶段,H2,C2H2线性增长,在放电严重阶段,所有特征气体均大幅增长。根据放电阶段提出基于P-R曲线的发展/严重阶段累计分布概率计算方法,结合威布尔函数建立差异化色谱阈值计算方法,有针对性的判断变压器是否存在内部故障,计算某110kV变压器差异化阈值,有效识别该变压器火花放电缺陷。针对部分在线设备数据较少难以拟合的情况,提出基于分类水平的差异化分类方法,实现同类在线数据扩充,提高数据拟合度,相对于现行阈值,使用差异化阈值能够有效减少误报、漏报的发生。对于已经确定存在故障的变压器,需要精确判断故障类型及严重程度。针对当前诊断方法故障识别效果不佳的问题,引入深度学习模型诊断油色谱故障。利用查全率及查准率作为油色谱故障类混淆误判评价指标,建立DBN故障诊断最优特征量及参数选取策略,分析深度信念网络对于油色谱故障的诊断效果,发现DBN对于色谱多分类存在的特征提取不充分的问题。针对该问题建立基于组合DBN的油色谱故障诊断方法,该方法将故障诊断过程分为两个步骤,即故障类型识别及严重程度识别。网络第一层由1个DBN识别故障类型,第二层由3个DBN分别识别不同故障类型的严重程度。组合DBN较单一 DBN油色谱故障诊断局放类故障查全率提升20%,查准率提升16.6%;火花类故障查全率提升15.1%,查准率提升18.6%;低温故障查全率提升11.5%,查准率提升16.6%,组合DBN能准确判断的故障类型,并且总准确率较三比值可提高18.6%,较单一DBN提高9.1%,有效识别220kV变压器过热缺陷。
王永伟[9]（2019）在《采用国产化光纤声波传感器的光声DGA在线监测系统应用》文中认为电力系统是当今世界实现能源生产与能源输送最为重要的角色,电力的可靠供应关系着人类生活与生产的方方面面。及时快速地发现变压器等电力网中非常关键的设备出现的故障问题,对于提高电力系统的供电可靠性具有重要意义。对充油电力设备的故障检测,普遍采用的是分析油中溶解气体这一方法。传统的在线气相色谱分析法存在组件复杂、运行成本高和安全性差等缺点,而采用光声光谱技术的在线监测拥有检测灵敏度高、维护方便、检测时间短等诸多优点,因此成为了这一领域的研究方向。本文阐述了变压器内绝缘油的产气机理,并对比分析了现行的多种故障气体检测技术,突出了光声光谱检测分析法的优点。在此基础上,设计了带有恒温装置的油气分离模块和基于DFB半导体激光器的光声光谱气体组含量测量模块。本文针对110kV岗头变电站的实际情况,研究了一套采用光声光谱技术的故障检测系统,该系统能同时监测7种故障气体（H2,CH4,C2H4,C2H6,C2H2,CO,CO2）和微水的含量,检测的7种故障特征气体的含量相对标准偏差均低于5%,均在误差允许范围之内,基本满足要求。研究结果证明了该自主研发系统的可靠性和稳定性,但设备的稳定性及准确性仍有待提高改善。此系统操作方便、测量准确、维护简便、成本相对较低,预期在国内将有着良好的应用前景。
孙琛[10]（2019）在《基于机器学习算法的变压器故障诊断》文中研究说明油浸式变压器广泛应用于上海电网220千伏及以上变电站中,它利用变压器油作为绝缘和冷却介质,通过电磁感应原理将高压电网中的高电压转化为满足工农业生产条件的低电压,是变电站中最重要电气设备。随着变压器内部绝缘逐渐损耗,绝缘油中碳氢化合物发生分解,分解后的离子重新组合成气体并溶解于变压器油中,当损耗积累到一定程度后可能会导致变压器发生内部故障、绝缘击穿等严重后果,造成电网大面积停电事故。传统的变压器故障诊断技术主要为三比值法或改良三比值法。该方法需要定期对变压器绝缘油进行取样,并通过油色谱分析技术分析绝缘油中溶解的特征气体含量和比值进行故障判断。由于无人站的运行管理模式,变压器取油样周期一般为三个月到一年时间,这就造成变压器故障诊断周期过长,诊断结果存在滞后性,对于发展型缺陷无法及时识别和跟踪等问题。近年来,变压器油色谱在线监测技术的广泛应用扩充了油中溶解气体数据样本,为基于机器学习算法的变压器故障诊断提供了可能。鉴于这种情况,本文研究了基于机器学习算法的变压器故障诊断技术,分别用逻辑回归算法、支持向量机算法和极限梯度提升（XGBoost）算法对变压器油中溶解气体进行了建模和仿真,并比较了各自的算法性能。由于工程现场获得的油中溶解气体数据均为无标签样本,且同一台变压器一段时间内气体变化不明显,常规的逻辑回归算法、支持向量机算法容易出现过拟合等问题,无法很好地完成分类任务。XGBoost算法通过不断对误差进行二次分类来改善系统的训练准确率,仿真实验的性能明显优于常规的机器学习算法,适用于变压器故障诊断场景。因此,综合考虑仿真实验结果,将XGBoost算法与国网设备（资产）运维精益管理系统相结合,开发了一套基于机器学习算法的变压器故障诊断系统,并在上海超高压电网进行了推广应用。系统试运行期间,成功发现多起变压器内部故障隐患,保证了电网的安全稳定运行。
二、用于变压器油色谱在线监测的分布式控制系统（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、用于变压器油色谱在线监测的分布式控制系统（论文提纲范文）
（1）Elasticsearch在电网调度数据管理的应用研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 主要符号对照表 |
| 第一章 绪论 |
| 1.1 课题来源 |
| 1.2 研究背景 |
| 1.2.1 电网智能化发展趋势 |
| 1.2.2 调度自动化系统的发展历程和趋势 |
| 1.2.3 现调度所用关系型数据库不能满足电网调度大数据的需要 |
| 1.3 国内外研究现状和趋势 |
| 1.4 主要研究内容及结构 |
| 第二章 基于云计算的电网调度数据存储 |
| 2.1 电网调度数据管理现状与发展趋势 |
| 2.1.1 电网调度数据管理现状 |
| 2.1.2 未来云调度数据管理 |
| 2.1.3 电网调度数据管理对比分析 |
| 2.2 电网调度分布式数据库HBase |
| 2.2.1 分布式云计算及其核心技术 |
| 2.2.2 基于云计算的Hadoop架构及其核心组件 |
| 2.2.3 基于Hadoop架构的数据库HBase |
| 2.3 基于云计算的电网调度数据库HBase的搭建、运行与测试 |
| 2.3.1 Hadoop集群的搭建 |
| 2.3.2 Hadoop分布式文件系统的调优 |
| 2.3.3 电网调度数据库HBase的搭建与运行 |
| 2.3.4 电网调度数据库HBase的测试 |
| 2.4 本章小结 |
| 第三章 Elasticsearch在电网调度监测数据查询的应用 |
| 3.1 电网调度监测数据查询现状 |
| 3.2 电网调度监测数据查询需求 |
| 3.2.1 电网调度运行数据查询需求 |
| 3.2.2 输变电设备在线监测数据查询需求 |
| 3.3 Elasticsearch在电网调度监测数据查询的应用 |
| 3.3.1 Elasticsearch分布式搜索引擎 |
| 3.3.2 电网调度监测数据的二级索引结构 |
| 3.3.3 电网调度监测数据的二级索引结构设计 |
| 3.3.4 电网调度监测数据的二级索引结构实现 |
| 3.3.5 电网调度监测数据读写流程 |
| 3.4 电网调度监测数据查询测试 |
| 3.4.1 Elasticsearch搭建与实验环境 |
| 3.4.2 电网调度运行数据查询测试 |
| 3.4.3 输变电设备在线监测数据查询测试 |
| 3.5 本章小结 |
| 第四章 Elasticsearch在电网调度日志管理的应用 |
| 4.1 电网调度日志管理现状 |
| 4.2 基于Elasticsearch的调度自动化系统日志管理架构 |
| 4.3 电网调度日志管理实现 |
| 4.3.1 日志实时采集模块 |
| 4.3.2 日志过滤解析模块 |
| 4.3.3 日志存储与查询模块 |
| 4.3.4 日志可视化模块 |
| 4.4 本章小结 |
| 第五章 电网调度数据管理系统开发与实现 |
| 5.1 需求分析 |
| 5.1.1 功能需求分析 |
| 5.1.2 非功能性需求分析 |
| 5.2 功能结构设计 |
| 5.2.1 结构设计 |
| 5.2.2 功能设计 |
| 5.3 开发实现 |
| 5.3.1 基于RESTful API的后端处理开发 |
| 5.3.2 基于WCF的数据服务开发 |
| 5.3.3 基于B/S模式的前端交互开发 |
| 5.4 性能测试 |
| 5.5 本章小结 |
| 第六章 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 6.3 主要创新点 |
| 5 参考文献 |
| 附录 A |
| 致谢 |
| 攻读硕士学位期间取得的研究成果 |
（2）电力变压器在线监测与故障诊断的系统研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究的背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 变压器在线监测研究现状 |
| 1.2.2 变压器故障诊断研究现状 |
| 1.3 本文主要研究内容 |
| 第2章 变压器故障的类型及其监测与诊断系统 |
| 2.1 常见变压器的故障概述 |
| 2.2 变压器油中溶解气体相关概述 |
| 2.2.1 变压器油中溶解气体的产生 |
| 2.2.2 变压器油中溶解气体分析 |
| 2.2.3 油中气体在线监测与故障诊断系统的研究 |
| 2.3 变压器常见监测方法 |
| 2.3.1 变压器局部放电在线监测技术 |
| 2.3.2 绕组变形在线监测 |
| 2.3.3 铁心接地在线监测 |
| 2.3.4 变压器振动频谱在线监测 |
| 2.3.5 变压器温度及电参数在线监测 |
| 2.4 变压器常见故障诊断方法 |
| 2.4.1 变压器故障诊断三比值法 |
| 2.4.2 变压器专家系统故障诊断方法 |
| 2.5 本章小结 |
| 第3章 变压器在线监测系统设计与实现 |
| 3.1 基于FPGA实现变压器在线监测的原理设计 |
| 3.2 在线监测系统设计中软件的使用 |
| 3.3 基于FPGA对变压器在线监测系统主要的程序设计 |
| 3.3.1 绕组电压电流采集 |
| 3.3.2 绕组温度采集 |
| 3.3.3 频率及功率因数采集 |
| 3.4 变压器在线监测实验结果分析及实物图 |
| 3.5 本章小结 |
| 第4章 变压器故障诊断分析 |
| 4.1 相关分类算法介绍 |
| 4.1.1 朴素贝叶斯分类 |
| 4.1.2 贝叶斯网络分类 |
| 4.1.3 决策树分类 |
| 4.1.4 随机森林分类 |
| 4.1.5 人工神经网络分类 |
| 4.2 变压器故障诊断的系统设计 |
| 4.2.1 DGA数据结构及归一化法 |
| 4.2.2 数据缺失值处理及异常值检测 |
| 4.2.3 RBF神经网络模型的建立 |
| 4.2.4 基于TRBF分类算法对变压器故障分析 |
| 4.3 基于K折交叉验证RBF分类算法分析 |
| 4.4 多重交叉验证改进RBF算法仿真数据分析 |
| 4.5 本章小结 |
| 第5章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 攻读硕士学位期间的研究成果、参加学术会议及获奖 |
| 致谢 |
（3）变电设备故障诊断系统研究及应用（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题研究背景与意义 |
| 1.2 变电设备故障诊断方法的研究现状 |
| 1.3 变电设备常见故障及诊断方法 |
| 1.3.1 变压器常见故障及诊断方法 |
| 1.3.2 断路器常见故障及诊断方法 |
| 1.3.3 容性设备及其他设备常见故障及诊断方法 |
| 1.3.4 氧化锌避雷器常见故障及诊断方法 |
| 1.4 本文的主要内容 |
| 第2章 变电设备故障诊断系统结构设计 |
| 2.1 系统设计 |
| 2.1.1 系统概述 |
| 2.1.2 故障诊断系统体系结构 |
| 2.2 变电设备状态评价概述 |
| 2.3 风险评价模块设计 |
| 2.4 预测评估模块设计 |
| 2.5 决策建议模块设计 |
| 2.6 小结 |
| 第3章 变电设备故障诊断系统功能设计 |
| 3.1 系统智能分析流程 |
| 3.1.1 系统管理 |
| 3.1.2 数据管理 |
| 3.2 故障诊断功能设计 |
| 3.3 变电设备状态评估功能设计 |
| 3.4 风险评估功能设计 |
| 3.5 变电设备检修辅助决策功能设计 |
| 3.6 变电设备在线监测功能设计 |
| 3.7 变电设备历史查询及预测评估功能设计 |
| 3.8 小结 |
| 第4章 变电设备故障诊断系统功能实现 |
| 4.1 变电设备故障诊断系统管理界面配置 |
| 4.2 变电设备故障诊断系统功能实现界面配置 |
| 4.3 现场应用 |
| 4.4 小结 |
| 第5章 结论 |
| 参考文献 |
| 致谢 |
| 学位论文评阅及答辩情况表 |
（4）变电站变压器在线监测系统的设计与实现（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 研究内容 |
| 1.4 本文的组织结构 |
| 第二章 变压器在线监测关键技术 |
| 2.1 变压器在线监测相关技术 |
| 2.1.1 变压器油色谱监测技术 |
| 2.1.2 变压器铁芯接地电流监测技术 |
| 2.1.3 变压器油温监测技术 |
| 2.2 C/S架构概述 |
| 2.3 .NET平台概述 |
| 2.4 C#语言概述 |
| 2.5 SQL Server概述 |
| 2.6 ADO.NET组件概述 |
| 2.7 本章小结 |
| 第三章 系统的需求分析 |
| 3.1 系统的整体需求 |
| 3.2 功能性需求 |
| 3.2.1 系统管理需求 |
| 3.2.2 数据采集和数据分析需求 |
| 3.2.3 油中气体监测需求 |
| 3.2.4 铁芯接地电流监测需求 |
| 3.2.5 油温监测需求 |
| 3.3 非功能性需求 |
| 3.4 本章小结 |
| 第四章 系统总体设计 |
| 4.1 系统设计的原则 |
| 4.2 系统体系结构设计 |
| 4.3 系统数据库设计 |
| 4.3.1 数据库设计原则 |
| 4.3.2 数据库规范设计 |
| 4.3.3 数据库逻辑信息设计 |
| 4.3.4 数据库信息表设计 |
| 4.4 本章小结 |
| 第五章 系统关键模块详细设计 |
| 5.1 系统模块设计 |
| 5.2 系统管理模块设计 |
| 5.3 数据采集和分析模块设计 |
| 5.4 油中气体监测模块设计 |
| 5.5 铁芯接地电流监测设计 |
| 5.6 油温监测模块设计 |
| 5.7 本章小结 |
| 第六章 系统实现 |
| 6.1 使用ADO.NET连接数据库 |
| 6.2 系统登录模块的实现 |
| 6.3 油中气体监测模块的实现 |
| 6.4 铁芯接地电流监测模块的实现 |
| 6.5 油温监测模块的实现 |
| 6.6 本章小结 |
| 第七章 系统测试 |
| 7.1 测试工具 |
| 7.2 功能测试 |
| 7.3 性能测试 |
| 7.4 本章小结 |
| 第八章 总结与展望 |
| 8.1 论文工作总结 |
| 8.2 展望 |
| 致谢 |
| 参考文献 |
（5）基于数据和模型的油浸式电力变压器健康管理系统研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 电力变压器状态评估研究现状 |
| 1.2.2 电力变压器热点温度计算研究现状 |
| 1.2.3 电力变压器故障诊断研究现状 |
| 1.2.4 电力变压器绝缘老化诊断与寿命预测研究现状 |
| 1.3 本文主要研究内容与思路 |
| 1.4 本文主要工作与章节安排 |
| 第二章 基于模糊逻辑的电力变压器多属性状态评估方法 |
| 2.1 引言 |
| 2.2 变压器状态评估指标 |
| 2.3 电力变压器的多属性分析 |
| 2.4 模糊逻辑的电力变压器状态评估方法 |
| 2.4.1 模糊化处理与隶属度函数 |
| 2.4.2 模糊逻辑与近似推理 |
| 2.4.3 逆模糊处理 |
| 2.5 本章小结 |
| 第三章 考虑不同运行工况下油浸式电力变压器的热路模型 |
| 3.1 引言 |
| 3.2 油浸式电力变压器的热路模型 |
| 3.2.1 热路模型原理 |
| 3.2.2 变压器热传递过程 |
| 3.2.3 变压器热路模型的建立 |
| 3.2.4 热路模型法计算值与实测结果的对比 |
| 3.3 不同运行工况下油浸式电力变压器热路模型 |
| 3.3.1 不同负载电流下变压器热路模型的改进 |
| 3.3.2 不同冷却方式下变压器热路模型的改进 |
| 3.3.3 不同内部温度下变压器热路模型的改进 |
| 3.4 求解方法及其准确性分析 |
| 3.4.1 求解方法 |
| 3.4.2 准确性分析 |
| 3.5 本章小结 |
| 第四章 基于改进GA优化BP网络的油浸式电力变压器故障诊断 |
| 4.1 引言 |
| 4.2 三种常见的油浸式电力变压器故障诊断方法 |
| 4.2.1 基于三比值法的的变压器故障诊断 |
| 4.2.2 基于BP神经网络的变压器故障诊断 |
| 4.2.3 基于改进BP神经网络的变压器故障诊断 |
| 4.3 基于改进遗传算法优化BP网络的油浸式电力变压器故障诊断 |
| 4.3.1 BP神经网络算法的参数优化 |
| 4.3.2 GA及其改进 |
| 4.3.3 基于改进GA-BP模型的油浸式电力变压器故障诊断 |
| 4.4 结果与分析 |
| 4.4.1 实验说明 |
| 4.4.2 实验结果 |
| 4.5 本章小结 |
| 第五章 油浸式电力变压器绝缘老化诊断与寿命预测方法研究 |
| 5.1 引言 |
| 5.2 基于热点温度的油浸式电力变压器寿命评估 |
| 5.2.1 温度对变压器绝缘材料寿命的影响 |
| 5.2.2 不同工况下变压器寿命评估 |
| 5.2.3 实例分析 |
| 5.3 基于局放因子向量的油纸绝缘老化诊断 |
| 5.3.1 老化测试及聚合度测量 |
| 5.3.2 样品与局放试验方案 |
| 5.3.3 局部放电特征向量的提取及其主成分因子分析 |
| 5.3.4 基于改进GA-BP神经网络的油纸绝缘老化评估 |
| 5.4 基于Weibull分布的变压器运行寿命预测方法 |
| 5.4.1 Weilbul分布与电气寿命模型 |
| 5.4.2 变压器寿命模型参数估计与寿命预测 |
| 5.4.3 实例分析 |
| 5.5 本章小结 |
| 第六章 油浸式电力变压器健康管理系统平台 |
| 6.1 引言 |
| 6.2 平台关键技术理论问题和开发原则与要求 |
| 6.2.1 平台关键技术理论问题 |
| 6.2.2 开发原则与要求 |
| 6.3 变压器健康管理系统平台架构 |
| 6.3.1 平台技术特点 |
| 6.3.2 平台架构 |
| 6.3.3 变压器设备分级 |
| 6.3.4 状态监测对象与清单 |
| 6.3.5 变压器实时数据的智能监测方案 |
| 6.3.6 离线数据和实时数据的多源异构融合 |
| 6.4 变压器的故障智能诊断与维修优化管理 |
| 6.4.1 变压器的故障智能诊断 |
| 6.4.2 变压器维修优化管理 |
| 6.5 工程应用示例 |
| 6.6 本章小结 |
| 结论与展望 |
| 参考文献 |
| 攻读博士论文取得的研究成果 |
| 致谢 |
| 附件 |
（6）基于深度信念网络的变压器状态诊断和预测方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 电力变压器故障诊断方法的研究现状 |
| 1.2.2 电力变压器油色谱含量趋势预测的研究现状 |
| 1.3 目前研究存在的问题 |
| 1.4 本文主要研究内容 |
| 第2章 状态导向型的电力变压器故障诊断方法研究 |
| 2.1 引言 |
| 2.2 映射关系挖掘与建模依据分析 |
| 2.2.1 DGA数据与变压器故障状态间的映射关系挖掘 |
| 2.2.2 状态导向型DBN诊断方法的建模依据分析 |
| 2.3 状态导向型电力变压器故障诊断方法 |
| 2.3.1 拓扑结构 |
| 2.3.2 前向传递过程 |
| 2.3.3 数值导向型误差修正过程 |
| 2.3.4 状态导向型误差修正过程 |
| 2.4 基于SAE的故障间差异程度提取方法 |
| 2.5 多阶段自决策修正策略 |
| 2.5.1 短期损失函数变化率 |
| 2.5.2 长期损失函数变化率 |
| 2.5.3 基础循环次数 |
| 2.5.4 匹配程度 |
| 2.6 本章小结 |
| 第3章 基于深度递归信念网络的油色谱含量趋势预测方法研究 |
| 3.1 引言 |
| 3.2 油色谱时间序列的特征分析 |
| 3.3 经典模型的特点与误差对比 |
| 3.3.1 DBN模型 |
| 3.3.2 RNN模型 |
| 3.3.3 其它模型 |
| 3.4 基于深度递归信念网络的油色谱含量预测方法 |
| 3.4.1 拓扑结构 |
| 3.4.2 前向生成网络的构建 |
| 3.4.3 自适应延迟网络的构建 |
| 3.4.4 误差反馈网络的构建 |
| 3.5 模型评估方法 |
| 3.5.1 基于交叉熵的DGA分布特征损失函数的构造 |
| 3.5.2 油色谱时间序列的多维评价指标集 |
| 3.6 本章小结 |
| 第4章 实例验证 |
| 4.1 引言 |
| 4.2 数据预处理 |
| 4.3 故障诊断方法的实例验证 |
| 4.3.1 模型的训练流程 |
| 4.3.2 故障案例集比例均衡的场景 |
| 4.3.3 故障案例集比例不均衡的场景 |
| 4.3.4 故障案例集比例高度不均衡的小样本集场景 |
| 4.4 油色谱含量预测方法的实例验证 |
| 4.4.1 模型的初始化过程与训练流程 |
| 4.4.2 油色谱趋势预测的实例验证 |
| 4.4.3 异常运行状态下的实例验证 |
| 4.4.4 不同应用场景下的性能测试 |
| 4.5 本章小结 |
| 第5章 结论与展望 |
| 5.1 结论 |
| 5.2 展望 |
| 参考文献 |
| 攻读硕士学位期间发表的论文及其它成果 |
| 致谢 |
（7）变压器油色谱在线监测分析系统的优化设计与实现（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 国内外研究现状 |
| 1.3 研究内容 |
| 1.4 本文结构 |
| 第二章 系统需求分析 |
| 2.1 变压器异常分析技术 |
| 2.1.1 变压器主体构成 |
| 2.1.2 变压器特征气体 |
| 2.1.3 基于特征气体的异常分析 |
| 2.2 业务及目标分析 |
| 2.2.1 业务现状分析 |
| 2.2.2 系统目标分析 |
| 2.3 系统功能需求分析 |
| 2.4 系统通信需求分析 |
| 2.5 系统非功能需求分析 |
| 2.6 本章小结 |
| 第三章 系统设计 |
| 3.1 系统研发技术 |
| 3.1.1 开发工具选择 |
| 3.1.2 系统通信技术 |
| 3.1.3 开发模式 |
| 3.2 系统拓扑结构设计 |
| 3.3 系统功能结构与流程设计 |
| 3.3.1 功能结构设计 |
| 3.3.2 功能流程设计 |
| 3.4 系统类结构设计 |
| 3.5 系统数据库设计 |
| 3.5.1 逻辑结构设计 |
| 3.5.2 数据表设计 |
| 3.6 本章小结 |
| 第四章 系统实现 |
| 4.1 系统功能实现环境 |
| 4.2 系统通信功能实现 |
| 4.3 系统功能模块实现 |
| 4.3.1 实时数据管理功能实现 |
| 4.3.2 历史数据管理功能实现 |
| 4.3.3 设备管理功能实现 |
| 4.3.4 系统日志管理功能实现 |
| 4.3.5 超限数据管理功能实现 |
| 4.3.6 用户管理功能实现 |
| 4.4 本章小结 |
| 第五章 系统测试 |
| 5.1 系统测试环境 |
| 5.2 系统测试方法 |
| 5.3 系统测试内容 |
| 5.3.1 功能测试内容 |
| 5.3.2 非功能测试内容 |
| 5.4 系统测试结果 |
| 5.4.1 功能测试结果 |
| 5.4.2 非功能测试结果 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
（8）基于油色谱监测数据的变压器差异化评价及分层诊断方法（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题背景及研究的目的和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 油色谱异常识别研究现状 |
| 1.2.2 油色谱阈值计算研究现状 |
| 1.2.3 油色谱故障诊断的研究现状 |
| 1.3 目前研究存在的问题 |
| 1.4 课题研究内容 |
| 第2章 基于油色谱在线数据的快速异常识别 |
| 2.1 基于KPCA的油色谱监测装置异常识别 |
| 2.1.1 数据的预处理及核变换 |
| 2.1.2 控制限计算 |
| 2.1.3 异常特征识别 |
| 2.1.4 案例分析 |
| 2.2 基于CANOPY的变压器异常识别 |
| 2.2.1 异常识别模型 |
| 2.2.2 案例分析 |
| 2.3 本章小结 |
| 第3章 油色谱差异化评价阈值计算 |
| 3.1 油中溶解特征气体产气试验 |
| 3.1.1 实验目标 |
| 3.1.2 实验平台 |
| 3.1.3 正常产气模拟 |
| 3.1.4 放电故障模拟 |
| 3.2 差异化阈值计算 |
| 3.2.1 威布尔拟合函数计算 |
| 3.2.2 基于P-R曲线的累计分布概率选取方法 |
| 3.2.3 差异化阈值故障识别方法 |
| 3.3 影响因素分析 |
| 3.3.1 基于分类水平分析特征气体阈值计算 |
| 3.3.2 区域电网特征气体阈值计算 |
| 3.3.3 现场数据验证 |
| 3.4 本章小结 |
| 第4章 基于DBN的油色谱故障诊断 |
| 4.1 基于深度信念网络的色谱故障诊断 |
| 4.1.1 基于深度信念网络的故障诊断 |
| 4.1.2 单一DBN油色谱故障诊断 |
| 4.2 油色谱组合DBN故障诊断方法 |
| 4.2.1 组合DBN故障诊断方法 |
| 4.2.2 输入特征、网络层数和节点数对诊断正确率的影响分析 |
| 4.2.3 案例分析 |
| 4.3 本章小结 |
| 第5章 结论与展望 |
| 5.1 结论 |
| 5.2 下一步研究展望 |
| 参考文献 |
| 攻读博士学位期间发表的论文及其它成果 |
| 攻读博士学位期间参加的科研工作 |
| 致谢 |
| 作者简介 |
（9）采用国产化光纤声波传感器的光声DGA在线监测系统应用（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 论文研究背景与意义 |
| 1.2 国内外气体光声光谱检测技术的研究现状 |
| 1.2.1 国外气体光声光谱检测技术的研究现状 |
| 1.2.2 国内气体光声光谱检测技术的研究现状 |
| 1.3 本课题的主要研究内容 |
| 1.4 本章小结 |
| 第二章 变压器内溶解性气体的检测 |
| 2.1 绝缘油的化学组成 |
| 2.2 绝缘油分解产气机理 |
| 2.3 气体在油中的传质过程 |
| 2.4 变压器内部故障类型与油中气体含量的关系 |
| 2.5 变压器油中溶解气体在线监测技术 |
| 2.6 变压器油中溶解气体在线监测产品 |
| 2.7 本章小结 |
| 第三章 气体光声光谱检测技术 |
| 3.1 近红外光谱法 |
| 3.1.1 近红外光谱分析机理与谱特点 |
| 3.2 气体光声光谱 |
| 3.2.1 气体光声光谱检测技术原理 |
| 3.2.2 光声光谱检测分析方法 |
| 3.3 本章小结 |
| 第四章 激光光声光谱变压器油气在线监测系统的研究 |
| 4.1 激光光声光谱变压器油气在线监测系统的结构 |
| 4.2 油气分离模块 |
| 4.2.1 油气分离模块结构 |
| 4.2.2 油气分离模块恒温装置 |
| 4.2.3 油气分离模块实验与分析 |
| 4.3 光声光谱气体组分含量测量模块 |
| 4.3.1 激励光源 |
| 4.3.2 光声池 |
| 4.4 最佳体积比设计 |
| 4.5 数据通信和管理模块 |
| 4.6 本章小结 |
| 第五章 激光光声光谱变压器油气在线监测系统的应用及分析 |
| 5.1 在线监测系统的安装 |
| 5.2 激光光声光谱变压器油气在线监测系统实验及分析 |
| 5.2.1 有效性和可靠性测试 |
| 5.2.2 稳定性测试 |
| 5.2.3 重复性及准确度测试 |
| 5.3 在线监测系统的应用及分析 |
| 5.3.1 在线监测系统在线数据分析 |
| 5.3.2 在线监测系统运维分析 |
| 5.4 本章小结 |
| 结论与展望 |
| 参考文献 |
| 攻读硕士学位期间取得的研究成果 |
| 附件 |
（10）基于机器学习算法的变压器故障诊断（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题背景与意义 |
| 1.2 国内外研究现状综述 |
| 1.2.1 传统变压器故障诊断技术 |
| 1.2.2 基于机器学习算法的变压器故障诊断技术研究 |
| 1.3 本文所做的工作 |
| 第二章 变压器油中溶解气体产生原理与常见故障分析 |
| 2.1 变压器油中溶解气体产生原理 |
| 2.1.1 变压器正常运行时产气原理 |
| 2.1.2 变压器内部故障时产气原理 |
| 2.2 变压器内部故障类型及其油中溶解气体特征 |
| 2.3 变压器油色谱在线监测技术 |
| 2.4 本章小结 |
| 第三章 几种机器学习算法介绍 |
| 3.1 引言 |
| 3.2 逻辑回归算法 |
| 3.2.1 逻辑回归算法的结构 |
| 3.2.2 逻辑回归算法激活函数 |
| 3.2.3 逻辑回归算法目标函数 |
| 3.3 支持向量机算法 |
| 3.3.1 线性分类器 |
| 3.3.2 非线性分类器及核函数的应用 |
| 3.4 XGBoost算法 |
| 3.4.1 Boosting算法原理 |
| 3.4.2 XGBoost数学原理及特点 |
| 3.5 本章小结 |
| 第四章 基于油中溶解气体的变压器故障诊断研究 |
| 4.1 引言 |
| 4.2 基于逻辑回归算法的变压器故障诊断研究 |
| 4.2.1 迭代思想与算法流程 |
| 4.2.2 实验数据预处理 |
| 4.2.3 仿真验证 |
| 4.3 基于支持向量机的变压器故障诊断研究 |
| 4.3.1 输入输出数据处理 |
| 4.3.2 建立故障诊断模型 |
| 4.3.3 仿真分析 |
| 4.4 本章小结 |
| 第五章 基于XGBoost算法的变压器故障诊断研究 |
| 5.1 引言 |
| 5.2 数据预处理 |
| 5.3 基于XGBoost算法的变压器故障诊断研究 |
| 5.3.1 特征向量增强 |
| 5.3.2 算法结构及流程 |
| 5.3.3 仿真验证及灵敏度分析 |
| 5.3.4 实验结果对比分析 |
| 5.4 变压器故障诊断系统开发及应用 |
| 5.4.1 系统总体架构 |
| 5.4.2 系统运行环境 |
| 5.4.3 系统运行工况 |
| 5.4.4 系统功能设计 |
| 5.5 工程实例分析 |
| 5.6 本章小结 |
| 第六章 结论与展望 |
| 参考文献 |
| 附录1 油中溶解气体数据 |
| 致谢 |
| 攻读硕士学位期间已发表或录用的论文 |
四、用于变压器油色谱在线监测的分布式控制系统（论文参考文献）
- [1]Elasticsearch在电网调度数据管理的应用研究[D]. 徐泽天. 广西大学, 2021(12)
- [2]电力变压器在线监测与故障诊断的系统研究[D]. 董伟广. 湖北民族大学, 2021(12)
- [3]变电设备故障诊断系统研究及应用[D]. 项茂阳. 山东大学, 2021(12)
- [4]变电站变压器在线监测系统的设计与实现[D]. 辜祥. 电子科技大学, 2021(01)
- [5]基于数据和模型的油浸式电力变压器健康管理系统研究[D]. 谢鹏. 华南理工大学, 2020(05)
- [6]基于深度信念网络的变压器状态诊断和预测方法研究[D]. 王一鸣. 华北电力大学(北京), 2020
- [7]变压器油色谱在线监测分析系统的优化设计与实现[D]. 叶建蓉. 电子科技大学, 2020(01)
- [8]基于油色谱监测数据的变压器差异化评价及分层诊断方法[D]. 荣智海. 华北电力大学(北京), 2020
- [9]采用国产化光纤声波传感器的光声DGA在线监测系统应用[D]. 王永伟. 华南理工大学, 2019(02)
- [10]基于机器学习算法的变压器故障诊断[D]. 孙琛. 上海交通大学, 2019(06)