书籍详情

变电站电力设备故障数字诊断与评估

变电站电力设备故障数字诊断与评估

作者:谢庆 等

出版社:清华大学出版社

出版时间:2023-07-01

ISBN:9787302629191

定价:¥159.00

购买这本书可以去
内容简介
  本书系统介绍了变电站电力设备故障数字诊断与评估技术,全书共分为11章,设备对象包括变压器、GIS/GIL、干式空心电抗器等,状态参量包括局放信号、油中溶解气体、温度、红外/紫外/可见光图像等。本书各部分内容既自成体系又相互关联,有助于读者掌握变电站电力设备故障数字诊断与评估技术的本质。本书可作为从事电力设备故障诊断与状态评估专业人员的参考书,也可作为高等院校电气、电子工程相关专业本科生和研究生的参考教材。
作者简介
  谢庆,男,1979年9月生,四川人,汉族,中共党员,博士(后),教授、博士生导师。曾任华北电力大学保定校区研究生院院长、学位办主任、学科建设处处长 。2002年、2006年、2010年分别获华北电力大学电气工程领域学士、硕士、博士学位;2013年于重庆大学电气工程博士后出站;2017年11月至2018年11月在美国宾夕法尼亚州立大学电机工程系做访问学者。一直从事电气设备故障诊断与智能评估、先进电工材料、能源数字化技术及应用等方面科研工作。作为项目负责人主持完成国家自然科学基金3项(优秀结题2项),主持“智能电网”国家重点研发专项项目/课题1项、子课题1项,主持中央高校基金重大团队项目1项、面上项目2项,主持国家重点实验室开放课题2项,主持北京市、河北省自然科学基金项目各1项。另外,主持国网公司、中国石油、中国核电,中广核等企事业委托的各类项目20余项。共发表SCI、EI检索论文100余篇,授权发明专利20项,出版学术专著2部、教材1部。获得省部级自然科学一等奖1项(排名1),瑞士日内瓦国际发明展览金奖(排名3),省部级科技进步一等奖(排名3)、二等奖(排名2)各1项,获国家电网公司科技进步奖二等奖(排名2)1项。指导博士研究生、硕士研究生80余人,指导学生获得省级优秀硕士论文多篇、国奖多名。曾任新能源电力系统国家重点实验室研究人员、输变电设备安全及防御河北省重点实验室责任教授,兼任中国电工技术学会高级会员,绝缘材料、等离子体专委会委员,中国电机工程学会高级会员,高压学组委员, IEEE PES变电站技术委员会(中国)变电站运维分技术委员会常务理事;曾任2016 年全国高电压与放电等离子体学术会议大会副主席。担任河北省科协委员、河北省青年委员,入选河北省三三三三人才工程,荣获河北省青年五四奖章提名奖。
目录
第1章概述
1.1变电设备故障诊断的重要意义
1.2变电设备故障诊断的发展现状
1.2.1基于阈值判定的故障诊断方法
1.2.2基于家系统的故障诊断方法
1.2.3基于机器学的故障诊断方法
1.2.4基于多源数据融合的故障诊断
1.3变电设备故障诊断方法的难点问题分析
1.3.1变电设备故障机制复杂
1.3.2变电设备故障诊断数据体量巨大
1.3.3变电设备状态评估数据质量不佳
1.4人工智能技术的发展现状及技术势
1.4.1人工智能关键技术概述
1.4.2人工智能关键技术分析
1.5人工智能技术在变电设备故障诊断中的化需求
1.5.1噪声抑制对变电设备故障诊断的影响
1.5.2样本不均衡对变电设备故障诊断的影响
1.5.3多元输入对诊断模型的影响
1.6本书主要内容
1.7参考文献
第2章基于知识数据融合驱动的油浸设备局放脉冲样本数据增强
2.1绪论
2.1.1局放电样本数据增强的应用背景及其要性
2.1.2数据增强方法研究现状
2.2基于知识数据融合驱动的局放脉冲数据增强方法
2.2.1知识数据融合驱动的要性及方法概述
2.2.2局放脉冲筛选与征知识补充
2.2.3基于知识数据融合驱动的局放脉冲数据增强
2.2.4算例分析
2.3基于DAEGAN的局放信号数据增强技术
2.3.1基于深度自编码器的局放信号降维
2.3.2基于DAEGAN的局放信号数据增强
2.3.3算例分析
2.4本章小结
2.5参考文献
第3章基于局征提取与RepVGG的油浸设备局脉冲放电模式
识别方法
3.1引言
3.1.1局放电故障诊断应用背景及其要性
3.1.2国内外研究现状
3.2基于改进LISTA的局放电信号噪声抑制技术
3.2.1融合深度学的迭代阈值收缩算法(LISTA)原理
3.2.2基于改进LISTA算法的局放电信号噪声抑制
3.2.3算例分析
3.3基于ORBRepVGG的高鲁棒性局放模式识别技术
3.3.1局放脉冲时频联合分析
3.3.2基于ORB算法局征提取方法
3.3.3基于ORBRepVGG的局放电模式识别方法
3.3.4算例分析
3.4本章小结
3.5参考文献
第4章基于DGA和改进SSAE的变压器故障诊断方法
4.1引言
4.1.1研究背景和意义
4.1.2国内外研究现状
4.1.3本章主要内容
4.2基于加权综合损失化深度学和DGA的变压器故障
诊断方法
4.2.1SSAE基本原理
4.2.2基于加权综合损失改进深度学方法
4.2.3基于加权综合损失化深度学和DGA的变压器故障
诊断方法
4.2.4应用案例分析
4.3基于变分自编码器预处理深度学和DGA的变压器故障诊断
方法
4.3.1基于变分自编码器的不平衡样本预处理
4.3.2基于变分自编码器预处理深度学和DGA的变压器
故障诊断模型建立方法
4.3.3案例分析
4.4本章小结
4.5参考文献
第5章基于FCSAE的全景数据融合及贝叶斯网络的变压器综合
诊断方法
5.1绪论
5.1.1变电站全景数据接入与融合技术研究现状
5.1.2变电站全景数据融合技术研究现状
5.1.3电气设备诊断方法研究现状
5.1.4人工智能技术在变电站设备检测及诊断中的应用现状
5.2基于FCSAE的变压器全景数据融合技术
5.2.1基于EMPCAFCM的变压器全景数据预处理方法
5.2.2基于FCSAE的变压器全景数据融合模型建立
5.2.3基于FCSAE的变压器全景数据融合处理及其
应用案例
5.3基于贝叶斯网络的变压器综合诊断方法
5.3.1电力变压器状态诊断规则集的构建方法
5.3.2基于数据融合和化贝叶斯网络的变压器综合诊断
模型构建方法
5.3.3基于FCSAE的全景数据融合及贝叶斯网络的变压器
综合诊断方法
5.4本章小结
5.5参考文献
第6章GIS局放电UHF谱图库与深度学模式识别
6.1引言
6.1.1研究背景及意义
6.1.2国内外研究现状
6.1.3本章主要内容
6.2GIS中局放电UHF谱图与现场数据预处理方法
6.2.1UHF局放电谱图类型
6.2.2实验室GIS局放电UHF谱图
6.2.3运行条件下GIS局放电UHF谱图预处理
6.3模式识别中各种UHF谱图的有效性与融合方法
6.3.1LeNet5卷积经网络模型的结构与识别方法
6.3.2基于相位分布谱图的模式识别
6.3.3基于脉冲序列谱图的模式识别
6.3.4基于多种谱图识别结果加权融合的模式识别
6.4现场UHF数据的深度学方法
6.4.1基于WGANResNet网络的深度学方法
6.4.2小谱图集下的CNN迁移学
6.5本章小结
6.6参考文献

第7章基于多源信息融合的GIS运行状态智能评估
7.1引言
7.1.1研究背景与意义
7.1.2国内外研究现状
7.1.3本章主要工作
7.2开断设备机械故障类型及复现方法
7.2.1触头卡涩
7.2.2轴销脱落
7.2.3弹簧机构卡涩
7.2.4铁芯卡涩
7.3故障监测信号的选择与获取
7.3.1机械振动信号
7.3.2分合闸线圈电流信号
7.3.3触头位移路径
7.3.4多源信息的融合技术与复合征信号的构建
7.4小样本数据下的人工智能识别算法
7.4.1基于WGAN的样本数据增强
7.4.2ResNet网络
7.5本章小结
7.6参考文献
第8章基于温度检测和深度经网络模型的干式空心电抗器故障
程度评估方法
8.1引言
8.1.1研究背景及意义
8.1.2国内外研究现状
8.1.3本节主要内容
8.2干式空心电抗器温度故障信息数据库的建立
8.2.1基于UHFRFID无线温度传感器的干式空心电抗器
温度信息获取及分析
8.2.2基于拉曼散射的干式空心电抗器分布式温度信息获取及
处理
8.3基于温度检测和深度经网络模型的干式空心电抗器故障程度
评估方法
8.3.1深度经网络模型及化方法
8.3.2干式空心电抗器故障程度评估及分析
8.3.3模型性能分析
8.4本章小结
8.5参考文献
第9章基于紫外视频和MiCT时空网络的变电站内缘子放电
严重程度评估
9.1引言
9.1.1研究背景及意义
9.1.2国内外研究现状
9.1.3本章主要工作
9.2缘子放电试验及紫外视频数据库的建立
9.2.1基于缘子放电试验的紫外视频及其同步参量的获取
及分析
9.2.2基于Kmeans的缘子放电紫外视频标注及
数据库建立
9.3基于MiCT时空网络和紫外视频的缘子放电严重程度评估
9.3.1MiCT时空网络及化方法
9.3.2缘子放电严重程度评估及分析
9.3.3软件开发及应用
9.4本章小结
9.5参考文献

第10章基于卷积经网络的变电设备故障红外图像辨识方法研究
10.1引言
10.1.1研究背景及意义
10.1.2电力设备红外检测国内外研究现状
10.1.3计算机视觉算法研究及其应用国内外研究现状
10.1.4计算机视觉在电力设备红外检测上的应用
10.2变电设备红外图像数据库的建立
10.2.1基于快速导向滤波的红外图像去噪
10.2.2基于MSRCP的红外图像增强
10.2.3变电设备红外图像的标注及数据库的建立
10.3基于卷积经网络的变电设备红外图像故障辨识方法
10.3.1基于Faster RCNN的变电设备红外图像故障辨识
方法
10.3.2基于SSDMobileNet的变电设备红外图像实时检测
方法
10.3.3变电设备故障检测及分析
10.4本章小结
10.5参考文献
第11章基于可见光图像和知识推理的视觉不可分螺栓缺陷检测
11.1引言
11.1.1研究背景及意义
11.1.2国内外研究现状
11.1.3本章主要内容
11.2可见光巡检数据集的构建及扩增技术
11.2.1金具数据集的构建
11.2.2螺栓缺陷数据集的构建
11.2.3基于小样本学的螺栓缺陷数据扩增技术
11.3基于知识推理的视觉不可分螺栓缺陷检测
11.3.1基于轻量级网络的金具检测方法及实验验证
11.3.2基于多标签学的螺栓多属性分类方法及实验验证
11.3.3基于知识推理的视觉不可分螺栓缺陷检测方法及实验
验证
11.4本章小结
11.5参考文献
猜您喜欢

读书导航