一、变压器油色谱分析技术的发展及最新动态（论文文献综述）
李闫远,何清,莫长宇[1]（2021）在《变压器油色谱在线监测装置检测数据分析》文中研究指明本文基于变压器油中溶解气体在线监测装置评价指标,对不同类型及厂家的在线监测装置入网检测数据进行分析,通过不同在线监测装置的组成及工作原理,分析不同装置评价指标的差异,进而将不同装置产生误差的主要方面进行总结,对装置选型起到一定指导作用。
张毅涛[2]（2021）在《油纸绝缘套管典型缺陷放电及产气规律研究》文中指出随着电力负荷需求的持续增长以及特高压电网的规模化建设,对电力设备的可靠性水平提出了更高的要求。油纸绝缘套管是电力变压器常见的出线组件之一,已经发生多起故障,引起严重后果。油纸绝缘套管缺陷问题已经成为影响电力变压器安全运行的主要因素之一。油纸绝缘套管是少数同时具有内绝缘问题和外绝缘问题的电力设备,其缺陷类型多样,且目前缺乏从实际角度出发针对不同缺陷类型设计实体模型进行的试验研究,油纸绝缘套管典型缺陷的起始放电及产气特征尚不明确。因此,现有套管缺陷诊断方法不能满足实际套管缺陷诊断要求,亟需开展套管典型缺陷劣化过程及特征研究,为套管缺陷诊断提供依据。为了研究油纸绝缘套管典型缺陷的放电及产气特征,本文从实际角度出发设计了多金属导管间隙放电、瓷绝缘子沿面放电、电容芯体内X蜡、电容芯子局部放电和载流连接件过热五种套管典型缺陷实体模型,搭建了套管典型缺陷试验研究平台,具备对局部放电的在线检测及取油进行气相色谱分析的功能,进行了油纸绝缘套管五种典型缺陷下的起始放电和产气特征研究,分析总结了不同缺陷下的放电和产气规律,提出了不同缺陷的诊断判据:通过H2占氢烃总量百分比稳定在约70%,CH4/H2在0.43左右可以判断多金属导管间隙放电缺陷,且金属管间未接触;通过C2H2总烃占比明显上涨,同时其他烃类气体含量未出现明显增加,放电具有随机性,放电相位分布在整个工频周期判断多金属导管间隙放电缺陷,且金属管间有接触;通过特征气体组分出现C2H2和C2H6,H2占氢烃总量百分比稳定在约80%,CH4/H2在0.24左右,CO2/CO持续减小,放电相位分布在0-120°、180-300°、340-360°之间可以判断瓷绝缘子沿面放电缺陷;通过特征气体为H2,并且H2占氢烃总量百分比超过80%并且持续增加,CO2/CO先增后降可以判断电容芯子局部放电缺陷;通过特征气体为CO2,CO2/CO缓慢上升可以判断载流连接件200℃低温过热缺陷;通过除C2H2外其他气体组分含量明显增长,CO2/CO持续下降到小于2可以判断过热温度超过500℃;通过放电和色谱特征难以判断电容芯体内X蜡缺陷。
徐泽天[3]（2021）在《Elasticsearch在电网调度数据管理的应用研究》文中认为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。
张宇婷[4]（2021）在《基于CVA的变压器故障诊断及预测研究》文中提出油浸式变压器是构建智能电网以及互联电网中的枢纽设备之一,基于油色谱分析技术（DGA）对变压器进行故障诊断是电网安全运行的发展方向。而变压器的故障预测是变压器维护工作的重要内容,准确的故障预测可以在变压器发生故障之前,通过采取恰当的措施,使得变压器故障得以提前消除,减少了因其故障导致电力系统无法正常运转带来的经济损失。本文对变压器故障诊断方法以及预测模型进行了系统的研究,提出了小波神经网络结合规范变量分析法（WPT-CVA）的故障诊断方法以及粒子群优化支持向量机（PSO-SVM）和小波变换时间序列（WPT-ARMA）的组合预测模型,提高了小样本数据下故障诊断准确率以及预测精度。本文对油浸式变压器的研究内容分为以下几个部分:首先,分析变压器常见的故障类型,按故障性质将变压器故障分为电性故障及热性故障。通过对智能算法及传统算法的总结,确定故障诊断算法为小波神经网络算法,以支持向量机模型（SVM）以及自回归滑动平均模型（ARMA）的组合预测模型。其次,对小波神经网络进行简单介绍,利用小波神经网络算法建立变压器故障诊断模型,确定输入层、隐含层以及输出层,随后选取了大量有代表性的数据样本,利用小波变换进行降噪处理。在此基础上对样本数据作归一化处理并进行了训练,测试以及误差分析,得出小波神经网络的收敛速度快但收敛误差较大的结论。再次,采用小波分析结合CVA的方法对溶解于变压器油中的气体数据进行处理,不仅不需人为添加优化系数或惩罚因子,还对变压器的故障诊断快速且准确,优于目前诊断准确率较高的智能方法。通过将收集到的400组DGA数据集分离为275组训练集和组125测试集,评估了该方法的故障诊断性能。经过训练,测试结果表明,WPT法和基于CVA的方法的诊断准确率分别为90.4和93.4%。从这些数据可以清楚地看出,该方法在对变压器故障分类时的诊断率提高了3个百分点。最后,通过对DGA气体数据进行归一化处理、选择核函数、粒子群优化支持向量机建立PSO-SVM预测模型,对DGA气体数据进行小波去噪、模型识别、参数估计建立WPT-ARMA预测模型,基于两种预测模型建立组合模型,以达到误差最小为目的,最后通过实例验证及对比发现WPT-ARMA的预测模型误差较PSO-SVM预测模型误差值小,且组合预测模型可以综合多种单一预测模型所包含的信息,有效降低预测风险。
时魁魁[5]（2021）在《电力变压器油纸绝缘中甲醇平衡分布特性研究》文中研究说明近年来,随着电力行业的发展以及用电量的增加,社会对电网供电可靠性的要求日益提高。电力变压器作为电网中负责变换电压等级,担负电能传输的重要枢纽电器,被广泛应用在电网的输变电系统中。变压器的绝缘状态直接影响其使用寿命与电网的安全稳定运行。本文在已有的变压器纸绝缘老化评估研究的基础上,为进一步扩大油中甲醇在变压器状态评估方面的适用性以及构建准确的油中甲醇与绝缘纸聚合度的关系方程,对油-纸绝缘系统中甲醇的平衡分布进行了研究,主要内容如下:（1）实验表明了Na OH溶液在绝缘纸中甲醇萃取方面的不足。通过平衡实验获得甲醇总量已知的实验样本,在对照组的设置下,研究了8%质量分数的Na OH溶液对纸中甲醇的萃取率。实验结果表明:在Na OH溶液的浸泡下,绝缘纸在发生碱降解使聚合度降低时还产生了大量的甲醇。同时通过对照实验发现,Na OH溶液对纸中甲醇的萃取率较低（仅为50%左右）,不能够作为纸中甲醇的萃取剂,萃取法不适用于经HS-GC-MS的纸中甲醇检测。（2）通过对40μL L-1的甲醇-油标准品的定性检测,对比分析了弱极性色谱柱SH-Rxi-5Silms与中极性色谱柱VF-624ms在油中甲醇分析方面的适用性。结果表明:在SH-Rxi-5Silms柱下,甲醇峰会与四羰基镍峰发生大面积的峰形重叠,且无法通过改变检测方法进行分离;而在VF-624ms柱下,甲醇峰与四羰基镍峰被完全分离,且甲醇出峰峰形较好。这表明相比于SH-Rxi-5Silms柱,VF-624ms柱更适合用于油中甲醇的定性与定量分析。（3）阐述了相平衡的基本原理,并将其应用于油-纸绝缘系统中甲醇的平衡分布研究。首先对目前通用的油纸绝缘热老化装置进行了简化,并研究了其中甲醇的平衡分布;然后根据研究结果将其细分为油-气平衡与油-纸平衡进行研究。建立了甲醇油-气分布比与油-气体积比、甲醇油-纸分布比与油-纸质量比的数学模型。结果表明:相比于绝缘油,甲醇更易吸附在绝缘纸中。即使是在50倍的油/纸质量比下,平衡时仍有一半以上的甲醇吸附在绝缘纸中。同时对于目前广泛使用的实验室热老化装置,甲醇转化为气态的比例会随着温度的升高而逐渐升高。（4）提出了一种基于相平衡的纸中甲醇检测的新方法,同时对该方法进行了理论验证。结果表明:在相对分子质量大于甲醇（CH3OH）的二氧化碳（CO2）的持续吹扫下,可以将由因温度升高而从绝缘纸中逸出的气态甲醇吹入并溶解于纯水中,使得甲醇原本的相平衡状态永远向着溶于纯水的方向进行,以保证纸中甲醇的检测效率。
项茂阳[6]（2021）在《变电设备故障诊断系统研究及应用》文中认为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。
王文国[7]（2020）在《基于概念漂移的油温预测及油温异常诊断算法研究》文中研究指明变压器是电力传输系统中的核心设备之一,维持变压器正常运行对保障电力资源的正常输送具有十分重要的意义。变压器顶层油温过高是造成变压器故障的主要因素之一。传统的变压器油温故障诊断技术包括热路模型、油色谱分析等。但由于其设备成本高昂、技术操作繁杂、参数设置复杂等原因,导致难以进行大规模推广。近年来,使用机器学习对油浸式变压器油温进行预测,然后基于算法预测油温值对变压器油温异常故障进行诊断,是机器学习在电网应用中的热门方向。但是,由于油浸式变压器数据中往往存在概念漂移的现象。油温数据中的概念漂移将会使得算法预测油温误差变大,进而使得算法进行油温异常故障诊断的可靠性降低。为了解决上述问题,文本提出了两种基于概念漂移的变压器油温预测算法。算法一:基于固定窗口的变压器油温预测算法。算法二:基于动态窗口机制的变压器油温预测算法。上述两种算法均能适应油温工况数据中的概念漂移,使得算法具有良好的油温预测精度。在此基础上,提出了一种油温异常故障诊断方法,该方法能够对不同的变压器潜在的油温异常故障缺陷进行分类,并对不同类型的故障缺陷进行处理。相关内容归纳如下:油温预测算法一:以回归树为算法中的基学习器,采用集成算法框架构建算法一。其主要思想是:1、在油温预测过程中,如果算法的基学习器油温预测性能较差,则使用最新的汕温数据对基学习器进行更新,从而使得更新后的基学习器能够适应油温工况数据中的概念漂移。2、采用权重更新以及竞争策略对算法油温预测的性能进行优化。油温预测算法二:以回归树为算法中的基学习器,采用集成算法框架构建算法二。其主要思想是:1、设定两个决策阈值α和β,其中1>α>β>0。在预测过程中,若基学习器预测准确率低于阈值α,则更新基学习器的模型训练集;若基学习器油温预测的准确率低于阈值β,则使用对应的模型训练集更新基学习器,从而使算法适应汕温工况数据中的概念漂移。2、采用权重更新以及竞争策略对算法油温预测的性能进行优化。油温异常故障诊断方法:利用油温算法预测的油温值与系统传感器油温之间的数值差异。通过总结电力行业专家的经验,得出了一套变压器油温故障诊断逻辑规则。该规则实现了对变压器油温异常故障的提前预警,可以同时对不同类型的变压器油温异常故障进行分析和诊断,具有良好的实用推广性。
黄增柯[8]（2019）在《110kV变压器油色谱在线监测系统的应用与研究》文中指出电力变压器在电力系统中承担着变换电能的任务,变压器能否正常工作,直接影响电网的稳定运行。随着运行电压的不断提高,电力的需求逐渐增加,油色谱技术也在不断改进,目前通过提取变压器油中溶解的气体,利用气相色谱分析是分析确定变压器内部故障类型的重要手段。在智能化电网的背景下,开始逐步推广在线监测油色谱技术,随着现代科技的快速发展以及远程传输处理器的引入,在线监测装置正不断更新换代,大部分变电站已经实现了安装试运行,是智能化电网的初步展示。本文主要研究油色谱监测技术的工作原理与技术,根据变压器溶解气体（氢气、一氧化碳、二氧化碳、甲烷、乙烷、乙烯、乙炔）的故障诊断方法,对南宁网区110KV长堽变电站进行在线监测,并对比离线数据,运用气相色谱分析仪测量各组份气体的含量,由此分析变压器运行中潜在或存在的故障。结果表明准确,能够正确反映变压器的故障。本文结合南宁网区电网的运行方式特点,关注目前已经投入油色谱在线监测系统试运行使用的110kV长堽变电站,根据其应用和实施情况,主要介绍思源光电有限公司开发的TROM-600变压器油色谱在线监测系统的运行特点和技术功能,总结分析油色谱在线监测数据与故障诊断变压器运行状态的数据,试验结果证明,TROM-600变压器油色谱在线监视系统采用了完全脱气方式实现了在线油色谱分析数据的准确性,能够将监测周期从以前的一周缩短至2小时,对于特殊的监测对象尤其是带有潜在故障的运行的变压器,能够及时准确的发现并捕捉其运行中的潜伏性故障,并提供了可靠的数据。实现了在线变压器油色谱数据录入及检验报告、综合分析,并建立数据库平台。基本实现了实时监测变压器故障和运行状态,得到了印证。
苏鑫[9]（2019）在《电力变压器油色谱在线监测装置的故障识别》文中提出电力变压器是影响电力系统安全生产的重要设备之一,油色谱在线监测装置对其运行状态进行实时监测,为电力变压器检修提供着重要的判断依据。但是在线监测装置运行过程中由于在线监测数据的偏差和缺失,导致装置误报警现象频发,容易造成真正的变压器故障未能及时发现而造成安全隐患。为了提升电力变压器油色谱在线监测装置的可靠性及辅助监测人员正确判断故障,降低误报警率,针对目前电力变压器油色谱在线监测装置的故障识别主要依靠人工识别,自动化程度不高的问题进行了研究,在改善变压器油色谱在线监测数据预处理方法基础上,提出了识别油色谱在线监测装置故障的新方法并对在线监测装置故障数据进行了趋势预测,具有一定的理论意义和实用价值。本文完成的主要工作和取得的主要研究成果如下:首先,分析了油色谱在线监测装置的故障特点,构建了小波阈值去噪模型,设计了油色谱在线监测数据的预处理流程和方法。其次,设计并应用基于ENN的随机森林模型对电力变压器油色谱在线监测装置进行故障识别,以2016-2018年福州市101台220kv电力变压器在线监测装置数据进行实验验证,实验结果表明模型针对变压器油色谱在线监测装置故障类型中的载气欠压故障、色谱电气故障、倒油故障的分类判断成功率高于90%,高于人工判断水平。最后,构建了基于差分进化算法优化的混合的LSTM模型对电力变压器油色谱在线监测装置故障数据进行趋势预测,以2016-2018年福州市3台220kv电力变压器在线监测装置故障数据进行实验验证,预测结果表明预测平均误差比传统的LSTM模型降低了50%。
荣智海[10]（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。
二、变压器油色谱分析技术的发展及最新动态（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、变压器油色谱分析技术的发展及最新动态（论文提纲范文）
（1）变压器油色谱在线监测装置检测数据分析（论文提纲范文）
| 0 引言 |
| 1 油色谱在线监测装置的组成 |
| 2 油色谱在线监测装置到货检测 |
| 2.1 检测用标油配置 |
| 2.2 在线监测装置检测情况 |
| 3 在线监测装置检测指标分析 |
| 3.1 最小检测周期 |
| 3.2 重复性 |
| 3.3 测量误差 |
| 3.3.1 检测结果 |
| 3.3.2 检测误差分析 |
| 3.4 交叉敏感性 |
| 4 检测误差分析 |
| 4.1 检测原理及方法 |
| 4.2 装置出厂质量 |
| 4.2.1 硬件方面 |
| 4.2.2 软件方面 |
| 5 结语 |
（2）油纸绝缘套管典型缺陷放电及产气规律研究（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 油纸绝缘放电缺陷发展过程及检测方法研究现状 |
| 1.2.2 油纸绝缘缺陷产气特性研究现状 |
| 1.3 目前研究存在的问题 |
| 1.4 课题研究内容 |
| 第2章 套管典型缺陷模型及试验平台 |
| 2.1 油纸绝缘套管的典型缺陷类型 |
| 2.2 套管典型缺陷模型 |
| 2.2.1 套管试验模型 |
| 2.2.2 多金属导管间隙放电缺陷模型 |
| 2.2.3 瓷绝缘子沿面放电缺陷模型 |
| 2.2.4 电容芯体内X蜡缺陷模型 |
| 2.2.5 电容芯子局部放电缺陷模型 |
| 2.2.6 载流连接件过热缺陷模型 |
| 2.3 平台回路及检测装置 |
| 2.3.1 试验平台 |
| 2.3.2 检测装置 |
| 2.4 试验研究方法 |
| 2.4.1 气相色谱分析方法 |
| 2.4.2 放电特征分析方法 |
| 2.5 本章小结 |
| 第3章 油纸绝缘套管典型缺陷放电及产气特征 |
| 3.1 多金属管间隙放电缺陷 |
| 3.1.1 试验方法 |
| 3.1.2 试验现象 |
| 3.1.3 缺陷特征 |
| 3.2 瓷绝缘子沿面放电缺陷 |
| 3.2.1 试验方法 |
| 3.2.2 试验现象 |
| 3.2.3 缺陷特征 |
| 3.3 电容芯体内X蜡缺陷 |
| 3.3.1 试验方法 |
| 3.3.2 试验现象 |
| 3.3.3 缺陷特征 |
| 3.4 电容芯子局部放电缺陷 |
| 3.4.1 试验方法 |
| 3.4.2 试验现象 |
| 3.4.3 缺陷特征 |
| 3.5 载流连接件过热缺陷 |
| 3.5.1 试验方法 |
| 3.5.2 试验现象 |
| 3.5.3 缺陷特征 |
| 3.6 本章小结 |
| 第4章 油纸绝缘套管典型缺陷诊断判据 |
| 4.1 不同缺陷特征 |
| 4.2 套管典型缺陷诊断判据 |
| 4.2.1 多金属管间隙放电 |
| 4.2.2 瓷绝缘子沿面放电 |
| 4.2.3 电容芯体内X蜡 |
| 4.2.4 电容芯子局部放电 |
| 4.2.5 载流连接件过热缺陷 |
| 4.3 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 |
（3）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 |
（4）基于CVA的变压器故障诊断及预测研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.3 论文主要研究内容 |
| 第2章 油浸式电力变压器故障诊断及预测技术 |
| 2.1 电力变压器故障分类 |
| 2.2 基于DGA的变压器故障诊断理论 |
| 2.2.1 溶解油中气体产生机理 |
| 2.2.2 DGA用于变压器故障判断 |
| 2.3 电力变压器故障诊断算法 |
| 2.3.1 常规算法 |
| 2.3.2 智能算法 |
| 2.4 电力变压器故障预测算法 |
| 2.4.1 SVM预测模型 |
| 2.4.2 ARMA预测模型 |
| 2.4.3 组合预测模型 |
| 2.5 本章小结 |
| 第3章 基于小波神经网络的电力变压器故障诊断研究 |
| 3.1 基于小波变换的变压器故障诊断理论 |
| 3.2 小波神经网络故障诊断模型建立 |
| 3.2.1 输入输出神经元的确定 |
| 3.2.2 隐含层的确定 |
| 3.3 小波神经网络故障诊断模型训练 |
| 3.3.1 训练样本数据的选取 |
| 3.3.2 小波变换去噪处理 |
| 3.3.3 小波神经网络模型训练 |
| 3.4 故障诊断结果分析 |
| 3.5 本章小结 |
| 第4章 基于DGA结合CVA算法在变压器故障诊断中的研究 |
| 4.1 基于CVA的变压器故障诊断理论 |
| 4.2 CVA故障诊断模型建立 |
| 4.3 CVA优化小波神经网络故障诊断模型训练 |
| 4.3.1 特征值提取 |
| 4.3.2 训练和测试阶段 |
| 4.4 故障诊断结果分析 |
| 4.5 本章小结 |
| 第5章 基于PSO-SVM模型和WPT-ARMA模型组合的变压器预测模型 |
| 5.1 基于PSO-SVM模型预测 |
| 5.1.1 PSO-SVM模型建立 |
| 5.1.2 PSO-SVM模型的误差评价 |
| 5.2 基于WPT-ARMA模型预测 |
| 5.2.1 ARMA模型的建立 |
| 5.2.2 ARMA模型的预报 |
| 5.3 组合预测的电力变压器故障预测 |
| 5.3.1 组合预测的主要思想 |
| 5.3.2 基于PSO-SVM与WPT-ARMA的组合预测模型 |
| 5.4 变压器预测模型维数的实例仿真分析 |
| 5.5 本章小结 |
| 第6章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 作者简介 |
| 攻读硕士期间研究成果 |
（5）电力变压器油纸绝缘中甲醇平衡分布特性研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.2 国内外研究现状 |
| 1.2.1 甲醇的稳定性 |
| 1.2.2 油中甲醇的定性与定量分析 |
| 1.2.3 甲醇与纸绝缘老化的相关性 |
| 1.3 研究目的和内容 |
| 第2章 纸中甲醇检测与相平衡原理 |
| 2.1 引言 |
| 2.2 纸中甲醇检测 |
| 2.2.1 萃取剂的选择 |
| 2.2.2 实验所需材料 |
| 2.2.3 实验预处理 |
| 2.2.4 实验步骤与原理 |
| 2.2.5 实验结果 |
| 2.3 相平衡原理 |
| 2.3.1 基本原理推导 |
| 2.3.2 基于相平衡的甲醇平衡分布设计 |
| 2.4 小结 |
| 第3章 基于相平衡的甲醇平衡分布研究 |
| 3.1 引言 |
| 3.2 油中甲醇检测 |
| 3.2.1 检测仪器的选择 |
| 3.2.2 色谱柱的选取 |
| 3.2.3 油中甲醇的定量标准曲线 |
| 3.3 热老化装置中甲醇的平衡分布 |
| 3.3.1 实验步骤 |
| 3.3.2 平衡结果 |
| 3.4 甲醇的油-气平衡 |
| 3.4.1 实验步骤 |
| 3.4.2 油-气平衡结果 |
| 3.4.3 甲醇油-气平衡模型的建立 |
| 3.5 甲醇的油-纸平衡 |
| 3.5.1 实验步骤 |
| 3.5.2 油-纸平衡结果 |
| 3.5.3 甲醇油-纸平衡模型的建立 |
| 3.6 小结 |
| 第4章 基于相平衡的纸中甲醇检测的理论方法探究 |
| 4.1 引言 |
| 4.2 纸中甲醇检测流程及原理 |
| 4.3 参数的选取 |
| 4.3.1 水浴箱温度的选择 |
| 4.3.2 绝缘纸质量与试管容积的选择 |
| 4.3.3 液体溶剂的选择 |
| 4.3.4 惰性气体的选择 |
| 4.4 小结 |
| 第5章 总结与展望 |
| 5.1 总结 |
| 5.2 不足之处与展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间发表论文 |
| 攻读硕士学位期间申请专利 |
| 攻读硕士学位期间参与项目 |
（6）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 |
（7）基于概念漂移的油温预测及油温异常诊断算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 顶层温预测及异常诊断相关研究现状 |
| 1.2.2 概念漂移相关研究现状 |
| 1.3 本文主要工作 |
| 1.4 本文结构 |
| 第二章 相关技术研究 |
| 2.1 机器学习算法 |
| 2.1.1 决策树 |
| 2.1.2 回归树 |
| 2.1.3 bagging集成算法 |
| 2.2 概念漂移 |
| 2.2.1.窗口机制 |
| 2.2.2.动态权重更新机制 |
| 2.2.3.AWE算法 |
| 2.3 本章小结 |
| 第三章 基于固定窗口的油浸式变压器顶层油温预测算法 |
| 3.1 数据集介绍及其预处理 |
| 3.1.1 数据集介绍 |
| 3.1.2 预处理操作 |
| 3.2 算法介绍 |
| 3.3 相关实验前提及介绍 |
| 3.3.1 实验环境 |
| 3.3.2 实验评价指标 |
| 3.4 实验结果及其分析 |
| 3.4.1 参数设置 |
| 3.4.2 油温预测实验 |
| 3.4.3 对比实验 |
| 3.5 本章小结 |
| 第四章 基于动态窗口的油浸式变压器顶层油温预测算法 |
| 4.1 算法介绍 |
| 4.2 变压器油温工况数据实验 |
| 4.2.1 参数设置 |
| 4.2.2 油温预测实验 |
| 4.2.3 对比实验 |
| 4.3 本章小结 |
| 第五章 变压器油温异常故障诊断方法 |
| 5.1 方法介绍 |
| 5.2 变压器油温异常诊断实验 |
| 5.2.1 相关参数设置 |
| 5.2.2 油温异常故障预警实验 |
| 5.2.3 油温异常故障告警实验 |
| 5.3 本章小结 |
| 第六章 总结和展望 |
| 6.1 总结 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
（8）110kV变压器油色谱在线监测系统的应用与研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1. 研究目的与意义 |
| 1.2. 国内外研究现状 |
| 1.3. 本文主要内容 |
| 第二章 油色谱分析技术的原理及其在变压器故障分析中的应用 |
| 2.1. 变压器故障原因 |
| 2.1.1. 油质引发的故障 |
| 2.1.2. 铁芯故障 |
| 2.1.3. 放电故障 |
| 2.1.4. 分接开关故障 |
| 2.1.5. 引出线故障 |
| 2.2. 故障类型分析 |
| 2.2.1. 变压器油中气体特征 |
| 2.2.2. 绝缘油中气体的其他来源分析 |
| 2.3. 变压器气体对应故障的关系 |
| 2.3.1. 变压器过热时产生的气体类型 |
| 2.3.2. 受潮条件下产生的组分 |
| 2.4. 基于油中溶解气体的变压器故障诊断法 |
| 2.4.1. 产气率判别故障 |
| 2.4.2. 气体的产气率判断故障 |
| 2.4.3. 三比值法(IEC) |
| 2.5. 应用Duval三角法判断 |
| 2.5.1. Duval三角法的概念 |
| 2.5.2. 区域的划分 |
| 2.6. 本章小结 |
| 第三章 广西南宁市 110k V长堽变电站油色谱在线监测装置的原理和构造 |
| 3.1. 油色谱检测的工作原理 |
| 3.1.1. 气相色谱技术 |
| 3.1.2. 分离方式 |
| 3.1.3. 气相色谱的基本参数 |
| 3.1.4. 塔板理论的概念 |
| 3.1.5. 速率理论的概念 |
| 3.1.6. 检测器的功能 |
| 3.2. 油色谱在线监测的硬件系统 |
| 3.2.1. 控制系统 |
| 3.2.2. 气路系统 |
| 3.2.3. 远动通信系统 |
| 3.3. 在线监测系统软件设计 |
| 3.3.1. 通讯服务软件 |
| 3.3.2. Web应用服务软件 |
| 3.3.3. 油中溶解气体趋势界面 |
| 3.3.4. TROM-600 系统的现场安装 |
| 3.4. 本章小结 |
| 第四章 变压器油色谱在线监测装置的应用实例研究 |
| 4.1. 实验背景 |
| 4.2. 变压器油色谱在线监测数据的分析方法 |
| 4.3. 利用产气率推断变压器是否故障 |
| 4.4. 判断变压器是否危害运行 |
| 4.5. 判断故障种类 |
| 4.6. 典型气体超标时的故障分析 |
| 4.6.1. 事例一乙炔含量越限分析 |
| 4.6.2. 事例二氢气含量越限分析 |
| 4.6.3. 制定油色谱在线监测数据分析计划 |
| 4.7. 在线监测系统效果分析评估 |
| 4.8. 本章小结 |
| 第五章 结论 |
| 5.1. 全文总结 |
| 5.2. 展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间发表的论文及其它成果 |
| 作者简介 |
（9）电力变压器油色谱在线监测装置的故障识别（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 论文研究的目的及意义 |
| 1.2 国内外研究现状及存在的问题 |
| 1.2.1 油色谱在线监测装置研究现状 |
| 1.2.2 油色谱在线监测装置的故障识别研究现状 |
| 1.3 论文主要研究内容及基本框架 |
| 第二章 油色谱在线监测装置与故障类型 |
| 2.1 油色谱在线监测装置 |
| 2.1.1 在线监测装置的组成 |
| 2.1.2 在线监测装置工作原理 |
| 2.1.3 不同类型在线监测装置对比分析 |
| 2.2 油色谱在线监测装置数据类型 |
| 2.2.1 在线监测装置历史数据 |
| 2.2.2 在线监测装置故障工作清单数据 |
| 2.3 油色谱在线监测装置故障类型 |
| 2.3.1 载气欠压故障 |
| 2.3.2 倒油故障 |
| 2.3.3 色谱电气故障 |
| 2.3.4 数据中断故障 |
| 2.4 本章小结 |
| 第三章 油色谱在线监测装置数据预处理 |
| 3.1 数据预处理思路与流程 |
| 3.1.1 数据预处理思路 |
| 3.1.2 数据预处理流程 |
| 3.2 故障趋势预测数据预处理 |
| 3.2.1 缺失值处理 |
| 3.2.2 小波阈值去噪处理 |
| 3.3 故障识别数据预处理 |
| 3.3.1 数据标准化 |
| 3.3.2 特征选择 |
| 3.4 本章小结 |
| 第四章 油色谱在线监测装置故障识别 |
| 4.1 先验知识和算法理论 |
| 4.1.1 不平衡数据 |
| 4.1.2 最近邻编辑采样法(ENN) |
| 4.1.3 随机森林 |
| 4.2 基于ENN的随机森林故障识别算法 |
| 4.2.1 算法思想 |
| 4.2.2 算法步骤 |
| 4.3 基于遗传算法的随机森林参数优化 |
| 4.3.1 评价函数构建 |
| 4.3.2 参数优化实现步骤 |
| 4.4 在线监测装置故障识别 |
| 4.4.1算法性能对比实验 |
| 4.4.2 基于ENN的随机森林的故障识别 |
| 4.5 本章小结 |
| 第五章 油色谱在线监测装置故障趋势预测 |
| 5.1 混合的LSTM神经网络 |
| 5.1.1 长短时记忆(LSTM)网络 |
| 5.1.2 具有编码-解码环节的LSTM网络 |
| 5.1.3 混合的LSTM网络实现步骤 |
| 5.2 基于差分进化算法的LSTM模型的参数优化 |
| 5.2.1 评价函数构建 |
| 5.2.2 参数优化实现步骤 |
| 5.2.3 优化模型验证分析 |
| 5.3 混合LSTM模型的在线监测装置故障趋势预测 |
| 5.3.1 不同故障类型的故障趋势预测 |
| 5.3.2 预测结果对比分析 |
| 5.4 本章小结 |
| 总结与展望 |
| 参考文献 |
| 致谢 |
| 个人简历、在学期间的研究成果及发表的学术论文 |
（10）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 |
四、变压器油色谱分析技术的发展及最新动态（论文参考文献）
- [1]变压器油色谱在线监测装置检测数据分析[J]. 李闫远,何清,莫长宇. 湖北电力, 2021(05)
- [2]油纸绝缘套管典型缺陷放电及产气规律研究[D]. 张毅涛. 华北电力大学(北京), 2021(01)
- [3]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)
- [4]基于CVA的变压器故障诊断及预测研究[D]. 张宇婷. 长春工业大学, 2021(08)
- [5]电力变压器油纸绝缘中甲醇平衡分布特性研究[D]. 时魁魁. 广西大学, 2021(12)
- [6]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)
- [7]基于概念漂移的油温预测及油温异常诊断算法研究[D]. 王文国. 南昌大学, 2020(01)
- [8]110kV变压器油色谱在线监测系统的应用与研究[D]. 黄增柯. 广西大学, 2019(06)
- [9]电力变压器油色谱在线监测装置的故障识别[D]. 苏鑫. 福建工程学院, 2019(01)
- [10]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