首页动力/电力电力工业电气技术及应用 在大成讲坛,讲出你的精彩!

推荐语:

随着我国国民经济快速增长,对电力系统运行的安全可靠性与经济性提出了更高要求。与此同时,逐步扩大的是电网规模,而且数量逐步增多以及智能化程度逐步提升的是设施设备,必定会引入更多的挑战。电力变压器在运行过程中,因为主绝缘老化、绕组变形、维修质量等因素发生的故障严重威胁着整个电力系统的正常运行,因此提高变压器运行的可靠性一直是电力行业研究的重要课题。为了提高变压器运行可靠性,当前,除了需要让变压器有着较硬的技术以外,还需要让该变压器的质量不能太差,特别是变压器的检修水平和维护水平以及运行水平等等,这三点是特别关键的,因此,笔者在分析的过程中一定要通过科学性地眼光去分析该变压器的各个方面。长期来,电力系统普遍按照DL/T573-2010《电力变压器检修导则》中规定的维修周期对35kv~500kv等级油浸式电力变压器进行定期维修。定期维修不仅会造成部分变压器盲目检修导致资源浪费,此外,变压器的可靠性也将会由此而下降,同时让很容易让安全隐患难以被发现。

作品简介:

本书提出一种基于时间序列分析和无监督学习等大数据分析的异常检测方法,从数据演化过程、数据关联的全新角度实现异常检测。通过时间序列模型和自适应神经网络对历史数据潜在的特征进行挖掘,并将数据对时间的动态变化规律用转移概率序列表示。同时还提出异常检测体系,由此让其更加适应于输变电设备状态监测数据流,最后让快速异常检测出数据流,本书在最后还验证了该方法的合理性和真实性。

更多
收起
饶烽
四川托普信息技术职业学院

目录

摘 要 序言

实际上,在线监测和带电监测以及预防性试验数据等均包含于设备状态数据内,由此,对于设备状态数据而言,其主要存在某些弊端,例如较大的体量,较为繁多的类型,因此,需要引入于设备异常检测过程的也就是大数据技术,让状态数据的非正常信息全部被挖掘出来。据分析,从17-18年,大数据于很多方面都得到了高速发展,例如金融方面、物流运输配送方面,还有就是网络技术方面等。这些均让极高的社会价值表现出来,然而却于电力行业大数据技术中却单单处于早期的阶段。

传统的阈值判定方法难以准确检测输变电设备的状态异常,该文提出一种基于时间序列分析和无监督学习等大数据分析的异常检测方法,从数据演化过程、数据关联的全新角度实现异常检测。通过时间序列模型和自适应神经网络对历史数据潜在的特征进行挖掘,并将数据对时间的动态变化规律用转移概率序列表示。当今,各个参量几者之间的关联必定需要应用无监督聚类方法而简化,这也就说明的是多维的监测数据,就该种方式而言,其可以通过有关联性的参量来获得某些结论,同样让错误结论对我们的误导得以避免,同时,我们还能提出异常检测体系,由此人让其更加适应于输变电设备状态监测数据流,最后让快速异常检测出数据流。而在论文的最终还验证了该方法的合理性和真实性,则本课题还结合了实际案例来分析,最终得到了结论:针对该方法而言,其完全能够让设备的异常运行状态可以在最短的时间中检测出来。

在同一时间内,当设备运行状态的异常被检测出来时,则才能下定最终的结论,当然,本课题除了分析出一定的结果之外,还有存在着某些存在欠缺的地方,正当该设备遭受到外界影响较大的时候,必定会让异常状态的误报这一现状出现,所以,在日后的实际操作过程中,笔者还另外需要对其做进一步的整改和完善,让外界环境所引入的不良影响全部消除。

关键词大数据监测;故障建模;层次分析法;电气设备状态评估;电气设备故障预警

收起
第1章 绪论
第2章 模型理论介绍
第3章 状态量的选取
第4章 高压电气设备状态评估及故障预警
第5章 案例分析
第6章 结论
参考文献
价格:¥16.00

书评

0/400
提交
以下书评由主编筛选后显示
最新 最热 共0条书评

分享本书到朋友圈