| *完成訂單後正常情形下約兩周可抵台。 *本賣場提供之資訊僅供參考,以到貨標的為正確資訊。 印行年月:202307*若逾兩年請先於私訊洽詢存貨情況,謝謝。 台灣(台北市)在地出版社,每筆交易均開具統一發票,祝您中獎最高1000萬元。 書名:變電站電力設備故障數字診斷與評估 ISBN:9787302629191 出版社:清華大學 著編譯者:謝慶 頁數:304 所在地:中國大陸 *此為代購商品 書號:1556729 可大量預訂,請先連絡。 內容簡介 本書系統介紹了變電站電力設備故障數字診斷與評估技術,全書共分為11章,設備對象包括變壓器、GIS/GIL、乾式空心電抗器等,狀態參量包括局放信號、油中溶解氣體、溫度、紅外/紫外/可見光圖像等。本書各部分內容既自成體系又相互關聯,有助於讀者掌握變電站電力設備故障數字診斷與評估技術的本質。 本書可作為從事電力設備故障診斷與狀態評估專業人員的參考書,也可作為高等院校電氣、電子工程相關專業本科生和研究生的參考教材。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展現狀 1 2 1 基於閾值判定的故障診斷方法 1 2 2 基於專家系統的故障診斷方法 1 2 3 基於機器學習的故障診斷方法 1 2 4 基於多源數據融合的故障診斷 1 3 變電設備故障診斷方法的難點問題分析 1 3 1 變電設備故障機制複雜 1 3 2 變電設備故障診斷數據體量巨大 1 3 3 變電設備狀態評估數據質量不佳 1 4 人工智慧技術的發展現狀及技術優勢 1 4 1 人工智慧關鍵技術概述 1 4 2 人工智慧關鍵技術分析 1 5 人工智慧技術在變電設備故障診斷中的優化需求 1 5 1 雜訊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 本書主要內容 1 7 參考文獻 第2章 基於知識-數據融合驅動的油浸設備局放脈衝樣本數據增強 2 1 緒論 2 1 1 局部放電樣本數據增強的應用背景及其必要性 2 1 2 數據增強方法研究現狀 2 2 基於知識-數據融合驅動的局放脈衝數據增強方法 2 2 1 知識-數據融合驅動的必要性及方法概述 2 2 2 局放脈衝篩選與特徵知識補充 2 2 3 基於知識-數據融合驅動的局放脈衝數據增強 2 2 4 算例分析 2 3 基於DAE-GAN的局放信號數據增強技術 2 3 1 基於深度自編碼器的局放信號降維 2 3 2 基於DAE-GAN的局放信號數據增強 2 3 3 算例分析 2 4 本章小結 2 5 參考文獻 第3章 基於局部特徵提取與Rep-VGG的油浸設備局部脈衝放電模式識別方法 3 1 引言 3 1 1 局部放電故障診斷應用背景及其必要性 3 1 2 國內外研究現狀 3 2 基於改進LISTA的局部放電信號雜訊抑制技術 3 2 1 融合深度學習的迭代閾值收縮演算法(LISTA)原理 3 2 2 基於改進LISTA演算法的局部放電信號雜訊抑制 3 2 3 算例分析 3 3 基於ORB-Rep-VGG的高魯棒性局放模式識別技術 3 3 1 局放脈衝時頻聯合分析 3 3 2 基於ORB演算法局部特徵提取方法 3 3 3 基於ORB-Rep-VGG的局部放電模式識別方法 3 3 4 算例分析 3 4 本章小結 3 5 參考文獻 第4章 基於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 國內外研究現狀 4 1 3 本章主要內容 4 2 基於加權綜合損失優化深度學習和DGA的變壓器故障診斷方法 4 2 1 SSAE基本原理 4 2 2 基於加權綜合損失改進深度學習方法 4 2 3 基於加權綜合損失優化深度學習和DGA的變壓器故障診斷方法 4 2 4 應用案例分析 4 3 基於變分自編碼器預處理深度學習和DGA的變壓器故障診斷方法 4 3 1 基於變分自編碼器的不平衡樣本預處理 4 3 2 基於變分自編碼器預處理深度學習和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 4 5 參考文獻 第5章 基於FC-SAE的全景數據融合及貝葉斯網路的變壓器綜合診斷方法 5 1 緒論 5 1 1 變電站全景數據接入與融合技術研究現狀 5 1 2 變電站全景數據融合技術研究現狀 5 1 3 電氣設備診斷方法研究現狀 5 1 4 人工智慧技術在變電站設備檢測及診斷中的應用現狀 5 2 基於FC-SAE的變壓器全景數據融合技術 5 2 1 基於EM-PCA-FCM的變壓器全景數據預處理方法 5 2 2 基於FC-SAE的變壓器全景數據融合模型建立 5 2 3 基於FC-SAE的變壓器全景數據融合處理及其應用案例 5 3 基於貝葉斯網路的變壓器綜合診斷方法 5 3 1 電力變壓器狀態診斷規則集的構建方法 5 3 2 基於數據融合和優化貝葉斯網路的變壓器綜合診斷模型構建方法 5 3 3 基於FC-SAE的全景數據融合及貝葉斯網路的變壓器綜合診斷方法 5 4 本章小結 5 5 參考文獻 第6章 GIS局部放電UHF譜圖庫與深度學習模式識別 6 1 引言 6 1 1 研究背景及意義 6 1 2 國內外研究現狀 6 1 3 本章主要內容 6 2 GIS中局部放電UHF譜圖與現場數據預處理方法 6 2 1 UHF局部放電譜圖類型 6 2 2 實驗室GIS局部放電UHF譜圖 6 2 3 運行條件下GIS局部放電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 1 LeNet5卷積神經網路模型的結構與識別方法 6 3 2 基於相位分佈譜圖的模式識別 6 3 3 基於脈衝序列譜圖的模式識別 6 3 4 基於多種譜圖識別結果加權融合的模式識別 6 4 現場UHF數據的深度學習方法 6 4 1 基於WGAN-ResNet網路的深度學習方法 6 4 2 小譜圖集下的CNN遷移學習 6 5 本章小結 6 6 參考文獻 第7章 基於多源信息融合的GIS運行狀態智能評估 7 1 引言 7 1 1 研究背景與意義 7 1 2 國內外研究現狀 7 1 3 本章主要工作 7 2 詳細資料或其他書籍請至台灣高等教育出版社查詢,查後請於PChome商店街私訊告知ISBN或書號,我們即儘速上架。 |