首頁動力/電力電力工業電氣技術及應用 在大成講壇,講出你的精彩!

推薦語:

隨著我國國民經濟快速增長,對電力系統運行的安全可靠性與經濟性提出了更高要求。與此同時,逐步擴大的是電網規模,而且數量逐步增多以及智能化程度逐步提升的是設施設備,必定會引入更多的挑戰。電力變壓器在運行過程中,因為主絕緣老化、繞組變形、維修質量等因素發生的故障嚴重威脅著整個電力系統的正常運行,因此提高變壓器運行的可靠性一直是電力行業研究的重要課題。為了提高變壓器運行可靠性,當前,除了需要讓變壓器有著較硬的技術以外,還需要讓該變壓器的質量不能太差,特別是變壓器的檢修水平和維護水平以及運行水平等等,這三點是特別關鍵的,因此,筆者在分析的過程中一定要通過科學性地眼光去分析該變壓器的各個方面。長期來,電力系統普遍按照DL/T573-2010《電力變壓器檢修導則》中規定的維修周期對35kv~500kv等級油浸式電力變壓器進行定期維修。定期維修不僅會造成部分變壓器盲目檢修導致資源浪費,此外,變壓器的可靠性也將會由此而下降,同時讓很容易讓安全隱患難以被發現。

作品簡介:

本書提出一種基于時間序列分析和無監督學習等大數據分析的異常檢測方法,從數據演化過程、數據關聯的全新角度實現異常檢測。通過時間序列模型和自適應神經網絡對歷史數據潛在的特征進行挖掘,并將數據對時間的動態變化規律用轉移概率序列表示。同時還提出異常檢測體系,由此讓其更加適應于輸變電設備狀態監測數據流,最后讓快速異常檢測出數據流,本書在最后還驗證了該方法的合理性和真實性。

更多
收起
饒烽
四川托普信息技術職業學院

目錄

摘 要 序言

實際上,在線監測和帶電監測以及預防性試驗數據等均包含于設備狀態數據內,由此,對于設備狀態數據而言,其主要存在某些弊端,例如較大的體量,較為繁多的類型,因此,需要引入于設備異常檢測過程的也就是大數據技術,讓狀態數據的非正常信息全部被挖掘出來。據分析,從17-18年,大數據于很多方面都得到了高速發展,例如金融方面、物流運輸配送方面,還有就是網絡技術方面等。這些均讓極高的社會價值表現出來,然而卻于電力行業大數據技術中卻單單處于早期的階段。

傳統的閾值判定方法難以準確檢測輸變電設備的狀態異常,該文提出一種基于時間序列分析和無監督學習等大數據分析的異常檢測方法,從數據演化過程、數據關聯的全新角度實現異常檢測。通過時間序列模型和自適應神經網絡對歷史數據潛在的特征進行挖掘,并將數據對時間的動態變化規律用轉移概率序列表示。當今,各個參量幾者之間的關聯必定需要應用無監督聚類方法而簡化,這也就說明的是多維的監測數據,就該種方式而言,其可以通過有關聯性的參量來獲得某些結論,同樣讓錯誤結論對我們的誤導得以避免,同時,我們還能提出異常檢測體系,由此人讓其更加適應于輸變電設備狀態監測數據流,最后讓快速異常檢測出數據流。而在論文的最終還驗證了該方法的合理性和真實性,則本課題還結合了實際案例來分析,最終得到了結論:針對該方法而言,其完全能夠讓設備的異常運行狀態可以在最短的時間中檢測出來。

在同一時間內,當設備運行狀態的異常被檢測出來時,則才能下定最終的結論,當然,本課題除了分析出一定的結果之外,還有存在著某些存在欠缺的地方,正當該設備遭受到外界影響較大的時候,必定會讓異常狀態的誤報這一現狀出現,所以,在日后的實際操作過程中,筆者還另外需要對其做進一步的整改和完善,讓外界環境所引入的不良影響全部消除。

關鍵詞大數據監測;故障建模;層次分析法;電氣設備狀態評估;電氣設備故障預警

收起
第1章 緒論
第2章 模型理論介紹
第3章 狀態量的選取
第4章 高壓電氣設備狀態評估及故障預警
第5章 案例分析
第6章 結論
參考文獻
價格:¥16.00

書評

0/400
提交
以下書評由主編篩選后顯示
最新 最熱 共0條書評

分享本書到朋友圈

一级做人爱c视频正版免费APP_2019国产全部视频