變電站電力設備故障數(shù)字診斷與評估

定　價：￥159.00

作　者：	謝慶等
出版社：	清華大學出版社
叢編項：
標　簽：	暫缺

購買這本書可以去

當當網(wǎng) (￥140.50)

ISBN：	9787302629191	出版時間：	2023-07-01	包裝：	精裝
開本：	16開	頁數(shù)：		字數(shù)：

內(nèi)容簡介

　　本書系統(tǒng)介紹了變電站電力設備故障數(shù)字診斷與評估技術(shù)，全書共分為11章，設備對象包括變壓器、GIS/GIL、干式空心電抗器等，狀態(tài)參量包括局放信號、油中溶解氣體、溫度、紅外/紫外/可見光圖像等。本書各部分內(nèi)容既自成體系又相互關(guān)聯(lián)，有助于讀者掌握變電站電力設備故障數(shù)字診斷與評估技術(shù)的本質(zhì)。本書可作為從事電力設備故障診斷與狀態(tài)評估專業(yè)人員的參考書，也可作為高等院校電氣、電子工程相關(guān)專業(yè)本科生和研究生的參考教材。

作者簡介

　　謝慶，男，1979年9月生，四川人，漢族，中共黨員，博士（后），教授、博士生導師。曾任華北電力大學保定校區(qū)研究生院院長、學位辦主任、學科建設處處長。2002年、2006年、2010年分別獲華北電力大學電氣工程領(lǐng)域?qū)W士、碩士、博士學位；2013年于重慶大學電氣工程博士后出站；2017年11月至2018年11月在美國賓夕法尼亞州立大學電機工程系做訪問學者。一直從事電氣設備故障診斷與智能評估、先進電工材料、能源數(shù)字化技術(shù)及應用等方面科研工作。作為項目負責人主持完成國家自然科學基金3項（優(yōu)秀結(jié)題2項），主持“智能電網(wǎng)”國家重點研發(fā)專項項目/課題1項、子課題1項，主持中央高?；鹬卮髨F隊項目1項、面上項目2項，主持國家重點實驗室開放課題2項，主持北京市、河北省自然科學基金項目各1項。另外，主持國網(wǎng)公司、中國石油、中國核電，中廣核等企事業(yè)委托的各類項目20余項。共發(fā)表SCI、EI檢索論文100余篇，授權(quán)發(fā)明專利20項，出版學術(shù)專著2部、教材1部。獲得省部級自然科學一等獎1項（排名1），瑞士日內(nèi)瓦國際發(fā)明展覽金獎（排名3），省部級科技進步一等獎（排名3）、二等獎（排名2）各1項，獲國家電網(wǎng)公司科技進步獎二等獎（排名2）1項。指導博士研究生、碩士研究生80余人，指導學生獲得省級優(yōu)秀碩士論文多篇、國獎多名。曾任新能源電力系統(tǒng)國家重點實驗室研究人員、輸變電設備安全及防御河北省重點實驗室責任教授，兼任中國電工技術(shù)學會高級會員，絕緣材料、等離子體專委會委員，中國電機工程學會高級會員，高壓學組委員， IEEE PES變電站技術(shù)委員會（中國）變電站運維分技術(shù)委員會常務理事；曾任2016 年全國高電壓與放電等離子體學術(shù)會議大會副主席。擔任河北省科協(xié)委員、河北省青年委員，入選河北省三三三三人才工程，榮獲河北省青年五四獎章提名獎。

圖書目錄

第1章概述
1.1變電設備故障診斷的重要意義
1.2變電設備故障診斷的發(fā)展現(xiàn)狀
1.2.1基于閾值判定的故障診斷方法
1.2.2基于家系統(tǒng)的故障診斷方法
1.2.3基于機器學的故障診斷方法
1.2.4基于多源數(shù)據(jù)融合的故障診斷
1.3變電設備故障診斷方法的難點問題分析
1.3.1變電設備故障機制復雜
1.3.2變電設備故障診斷數(shù)據(jù)體量巨大
1.3.3變電設備狀態(tài)評估數(shù)據(jù)質(zhì)量不佳
1.4人工智能技術(shù)的發(fā)展現(xiàn)狀及技術(shù)勢
1.4.1人工智能關(guān)鍵技術(shù)概述
1.4.2人工智能關(guān)鍵技術(shù)分析
1.5人工智能技術(shù)在變電設備故障診斷中的化需求
1.5.1噪聲抑制對變電設備故障診斷的影響
1.5.2樣本不均衡對變電設備故障診斷的影響
1.5.3多元輸入對診斷模型的影響
1.6本書主要內(nèi)容
1.7參考文獻
第2章基于知識數(shù)據(jù)融合驅(qū)動的油浸設備局放脈沖樣本數(shù)據(jù)增強
2.1緒論
2.1.1局放電樣本數(shù)據(jù)增強的應用背景及其要性
2.1.2數(shù)據(jù)增強方法研究現(xiàn)狀
2.2基于知識數(shù)據(jù)融合驅(qū)動的局放脈沖數(shù)據(jù)增強方法
2.2.1知識數(shù)據(jù)融合驅(qū)動的要性及方法概述
2.2.2局放脈沖篩選與征知識補充
2.2.3基于知識數(shù)據(jù)融合驅(qū)動的局放脈沖數(shù)據(jù)增強
2.2.4算例分析
2.3基于DAEGAN的局放信號數(shù)據(jù)增強技術(shù)
2.3.1基于深度自編碼器的局放信號降維
2.3.2基于DAEGAN的局放信號數(shù)據(jù)增強
2.3.3算例分析
2.4本章小結(jié)
2.5參考文獻
第3章基于局征提取與RepVGG的油浸設備局脈沖放電模式
識別方法
3.1引言
3.1.1局放電故障診斷應用背景及其要性
3.1.2國內(nèi)外研究現(xiàn)狀
3.2基于改進LISTA的局放電信號噪聲抑制技術(shù)
3.2.1融合深度學的迭代閾值收縮算法(LISTA)原理
3.2.2基于改進LISTA算法的局放電信號噪聲抑制
3.2.3算例分析
3.3基于ORBRepVGG的高魯棒性局放模式識別技術(shù)
3.3.1局放脈沖時頻聯(lián)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的局放電模式識別方法
3.3.4算例分析
3.4本章小結(jié)
3.5參考文獻
第4章基于DGA和改進SSAE的變壓器故障診斷方法
4.1引言
4.1.1研究背景和意義
4.1.2國內(nèi)外研究現(xiàn)狀
4.1.3本章主要內(nèi)容
4.2基于加權(quán)綜合損失化深度學和DGA的變壓器故障
診斷方法
4.2.1SSAE基本原理
4.2.2基于加權(quán)綜合損失改進深度學方法
4.2.3基于加權(quán)綜合損失化深度學和DGA的變壓器故障
診斷方法
4.2.4應用案例分析
4.3基于變分自編碼器預處理深度學和DGA的變壓器故障診斷
方法
4.3.1基于變分自編碼器的不平衡樣本預處理
4.3.2基于變分自編碼器預處理深度學和DGA的變壓器
故障診斷模型建立方法
4.3.3案例分析
4.4本章小結(jié)
4.5參考文獻
第5章基于FCSAE的全景數(shù)據(jù)融合及貝葉斯網(wǎng)絡的變壓器綜合
診斷方法
5.1緒論
5.1.1變電站全景數(shù)據(jù)接入與融合技術(shù)研究現(xiàn)狀
5.1.2變電站全景數(shù)據(jù)融合技術(shù)研究現(xiàn)狀
5.1.3電氣設備診斷方法研究現(xiàn)狀
5.1.4人工智能技術(shù)在變電站設備檢測及診斷中的應用現(xiàn)狀
5.2基于FCSAE的變壓器全景數(shù)據(jù)融合技術(shù)
5.2.1基于EMPCAFCM的變壓器全景數(shù)據(jù)預處理方法
5.2.2基于FCSAE的變壓器全景數(shù)據(jù)融合模型建立
5.2.3基于FCSAE的變壓器全景數(shù)據(jù)融合處理及其
應用案例
5.3基于貝葉斯網(wǎng)絡的變壓器綜合診斷方法
5.3.1電力變壓器狀態(tài)診斷規(guī)則集的構(gòu)建方法
5.3.2基于數(shù)據(jù)融合和化貝葉斯網(wǎng)絡的變壓器綜合診斷
模型構(gòu)建方法
5.3.3基于FCSAE的全景數(shù)據(jù)融合及貝葉斯網(wǎng)絡的變壓器
綜合診斷方法
5.4本章小結(jié)
5.5參考文獻
第6章GIS局放電UHF譜圖庫與深度學模式識別
6.1引言
6.1.1研究背景及意義
6.1.2國內(nèi)外研究現(xiàn)狀
6.1.3本章主要內(nèi)容
6.2GIS中局放電UHF譜圖與現(xiàn)場數(shù)據(jù)預處理方法
6.2.1UHF局放電譜圖類型
6.2.2實驗室GIS局放電UHF譜圖
6.2.3運行條件下GIS局放電UHF譜圖預處理
6.3模式識別中各種UHF譜圖的有效性與融合方法
6.3.1LeNet5卷積經(jīng)網(wǎng)絡模型的結(jié)構(gòu)與識別方法
6.3.2基于相位分布譜圖的模式識別
6.3.3基于脈沖序列譜圖的模式識別
6.3.4基于多種譜圖識別結(jié)果加權(quán)融合的模式識別
6.4現(xiàn)場UHF數(shù)據(jù)的深度學方法
6.4.1基于WGANResNet網(wǎng)絡的深度學方法
6.4.2小譜圖集下的CNN遷移學
6.5本章小結(jié)
6.6參考文獻

第7章基于多源信息融合的GIS運行狀態(tài)智能評估
7.1引言
7.1.1研究背景與意義
7.1.2國內(nèi)外研究現(xiàn)狀
7.1.3本章主要工作
7.2開斷設備機械故障類型及復現(xiàn)方法
7.2.1觸頭卡澀
7.2.2軸銷脫落
7.2.3彈簧機構(gòu)卡澀
7.2.4鐵芯卡澀
7.3故障監(jiān)測信號的選擇與獲取
7.3.1機械振動信號
7.3.2分合閘線圈電流信號
7.3.3觸頭位移路徑
7.3.4多源信息的融合技術(shù)與復合征信號的構(gòu)建
7.4小樣本數(shù)據(jù)下的人工智能識別算法
7.4.1基于WGAN的樣本數(shù)據(jù)增強
7.4.2ResNet網(wǎng)絡
7.5本章小結(jié)
7.6參考文獻
第8章基于溫度檢測和深度經(jīng)網(wǎng)絡模型的干式空心電抗器故障
程度評估方法
8.1引言
8.1.1研究背景及意義
8.1.2國內(nèi)外研究現(xiàn)狀
8.1.3本節(jié)主要內(nèi)容
8.2干式空心電抗器溫度故障信息數(shù)據(jù)庫的建立
8.2.1基于UHFRFID無線溫度傳感器的干式空心電抗器
溫度信息獲取及分析
8.2.2基于拉曼散射的干式空心電抗器分布式溫度信息獲取及
處理
8.3基于溫度檢測和深度經(jīng)網(wǎng)絡模型的干式空心電抗器故障程度
評估方法
8.3.1深度經(jīng)網(wǎng)絡模型及化方法
8.3.2干式空心電抗器故障程度評估及分析
8.3.3模型性能分析
8.4本章小結(jié)
8.5參考文獻
第9章基于紫外視頻和MiCT時空網(wǎng)絡的變電站內(nèi)緣子放電
嚴重程度評估
9.1引言
9.1.1研究背景及意義
9.1.2國內(nèi)外研究現(xiàn)狀
9.1.3本章主要工作
9.2緣子放電試驗及紫外視頻數(shù)據(jù)庫的建立
9.2.1基于緣子放電試驗的紫外視頻及其同步參量的獲取
及分析
9.2.2基于Kmeans的緣子放電紫外視頻標注及
數(shù)據(jù)庫建立
9.3基于MiCT時空網(wǎng)絡和紫外視頻的緣子放電嚴重程度評估
9.3.1MiCT時空網(wǎng)絡及化方法
9.3.2緣子放電嚴重程度評估及分析
9.3.3軟件開發(fā)及應用
9.4本章小結(jié)
9.5參考文獻

第10章基于卷積經(jīng)網(wǎng)絡的變電設備故障紅外圖像辨識方法研究
10.1引言
10.1.1研究背景及意義
10.1.2電力設備紅外檢測國內(nèi)外研究現(xiàn)狀
10.1.3計算機視覺算法研究及其應用國內(nèi)外研究現(xiàn)狀
10.1.4計算機視覺在電力設備紅外檢測上的應用
10.2變電設備紅外圖像數(shù)據(jù)庫的建立
10.2.1基于快速導向濾波的紅外圖像去噪
10.2.2基于MSRCP的紅外圖像增強
10.2.3變電設備紅外圖像的標注及數(shù)據(jù)庫的建立
10.3基于卷積經(jīng)網(wǎng)絡的變電設備紅外圖像故障辨識方法
10.3.1基于Faster RCNN的變電設備紅外圖像故障辨識
方法
10.3.2基于SSDMobileNet的變電設備紅外圖像實時檢測
方法
10.3.3變電設備故障檢測及分析
10.4本章小結(jié)
10.5參考文獻
第11章基于可見光圖像和知識推理的視覺不可分螺栓缺陷檢測
11.1引言
11.1.1研究背景及意義
11.1.2國內(nèi)外研究現(xiàn)狀
11.1.3本章主要內(nèi)容
11.2可見光巡檢數(shù)據(jù)集的構(gòu)建及擴增技術(shù)
11.2.1金具數(shù)據(jù)集的構(gòu)建
11.2.2螺栓缺陷數(shù)據(jù)集的構(gòu)建
11.2.3基于小樣本學的螺栓缺陷數(shù)據(jù)擴增技術(shù)
11.3基于知識推理的視覺不可分螺栓缺陷檢測
11.3.1基于輕量級網(wǎng)絡的金具檢測方法及實驗驗證
11.3.2基于多標簽學的螺栓多屬性分類方法及實驗驗證
11.3.3基于知識推理的視覺不可分螺栓缺陷檢測方法及實驗
驗證
11.4本章小結(jié)
11.5參考文獻