大数据视角下电力设备状态诊断研究

目录

声明

第一章 绪论

1.1 研究背景及意义

1.2 国内外研究现状

1.2.1 电力设备故障诊断研究现状

1.2.2 大数据研究现状

1.3 研究内容及主要工作

1.4 本章小结

第二章 深度学习神经网络与电力设备状态诊断分析

2.1 深度学习神经网络

2.1.1 神经网络的产生机理

2.1.2 深度学习理论的产生和发展

2.1.3 深度学习网络的数据训练流程

2.2 深度学习神经网络的基本算法

2.2.1 自动编码器 (AE)

2.2.2 受限玻尔兹曼机 (RBM)

2.2.3 卷积神经网络（CNNs）

2.3 深度学习在电力设备故障诊断中应用分析

2.4 本章小结

第三章 电力设备交接试验大数据处理技术及故障诊断依据

3.1 电力设备交接试验概述

3.2 大数据处理技术

3.2.1 分布式文件系统概述

3.2.2 分布式计算框架 Spark概述

3.2.3 Spark在电力设备故障诊断中的应用

3.2.4 朴素贝叶斯算法

3.3 电力设备故障诊断依据

3.3.1 GIS组合电器故障诊断

3.3.2 变压器故障诊断

3.4 本章小结

第四章 基于神经网络的电力设备故障诊断

4.1 交接试验数据类型统计分析

4.1.1 GIS组合电器局部放电数据分析

4.1.2 变压器局部放电数据分析

4.2 基于深度信念网络的GIS故障诊断

4.2.1 贝叶斯网络的故障诊断算法

4.2.2 交接试验数据样本集的建立

4.2.3 分类深度信念网络设计

4.3 GIS组合电器设备的故障诊断

4.4 SPARK集群环境的搭建以及故障诊断测试

4.4.1 SPARK集群搭建及系统启动

4.4.2 系统运行以及结果的输出

4.5 本章小结

第五章 总结与展望

5.1 总结

5.2 对未来的展望

参考文献

致谢