电力行业智能巡检与故障诊断系统开发.docVIP

电力行业智能巡检与故障诊断系统开发

TOC\o1-2\h\u30641第1章绪论 3

82861.1研究背景 3

30091.2研究意义 3

294471.3国内外研究现状 4

29653第2章电力系统概述 4

298842.1电力系统基本构成 4

129342.2电力系统运行特点 5

62302.3电力系统巡检与故障诊断需求 5

10057第3章智能巡检与故障诊断技术 6

80533.1人工智能技术 6

218443.1.1机器学习 6

287383.1.2深度学习 6

252903.1.3专家系统 6

57373.2数据采集与处理技术 6

67463.2.1数据采集技术 6

124883.2.2数据预处理技术 6

191173.2.3特征提取技术 6

229443.3故障诊断算法 7

313143.3.1传统故障诊断算法 7

177433.3.2基于深度学习的故障诊断算法 7

235663.3.3集成学习故障诊断算法 7

296613.3.4聚类分析算法 7

3774第4章电力设备巡检技术 7

296624.1巡检方法与设备 7

197534.1.1人工巡检 7

269984.1.2在线监测 7

54894.1.3远程巡检 8

252274.2无人机巡检技术 8

197204.2.1无人机类型及选型 8

24024.2.2无人机搭载设备 8

197944.2.3无人机巡检流程 8

44074.3智能巡检技术 8

262074.3.1智能类型及特点 8

216524.3.2智能搭载设备 8

41894.3.3智能巡检系统架构 8

7032第5章数据采集与传输 9

24845.1数据采集系统设计 9

285515.1.1采集需求分析 9

202025.1.2采集硬件选型 9

222315.1.3采集方案设计 9

7065.1.4数据采集实现 9

210195.2数据传输技术 9

205305.2.1传输技术概述 9

85085.2.2传输协议选择 9

238405.2.3传输安全保障 9

106555.2.4传输功能优化 9

235675.3数据预处理 10

296065.3.1数据清洗 10

317745.3.2数据归一化 10

84955.3.3数据同步与融合 10

128035.3.4数据存储设计 10

3359第6章故障诊断算法研究 10

271206.1传统故障诊断算法 10

10886.1.1信号处理方法 10

290526.1.2专家系统 10

189286.1.3模糊逻辑 10

87186.2机器学习故障诊断算法 10

285376.2.1支持向量机（SVM） 10

223586.2.2决策树 10

315056.2.3随机森林 11

232586.2.4神经网络 11

9656.3深度学习故障诊断算法 11

298586.3.1卷积神经网络（CNN） 11

209636.3.2循环神经网络（RNN）及其变体 11

47396.3.3自编码器 11

203906.3.4对抗网络（GAN） 11

170626.3.5融合深度学习与传统算法 11

13345第7章智能巡检与故障诊断系统集成 11

253867.1系统架构设计 11

252927.1.1数据采集层 12

143727.1.2数据处理与分析层 12

30927.1.3应用展示层 12

251567.2系统功能模块设计 12

163587.2.1数据采集模块 12

173767.2.2数据处理模块 12

268877.2.3应用展示模块 13

39047.3系统集成与调试 13

8376第8章电力设备故障诊断实例分析 13

205728.1输电线路故障诊断 13

10198.1.1故障类型及特征 13

54818.1.2故障诊断方法 13

164938.1.3实例分析 13

135428.2变压器故障诊断 13

319008.2.1故障类型及特征 14

258698.2.2故障诊断