大型電力變壓器故障診斷中人工智慧算法與應用（簡體書）

1緒論
1．1變壓器潛伏性故障診斷的意義
1．1．1電力系統中變壓器故障診斷的意義
1．1．2電力設備維修體制的發展與現狀
1．1．3狀態維修
1．2基於DGA的變壓器故障診斷方法
1．2．1故障的種類
1．2．2故障診斷方法研究歷史、發展和現狀
1．2．3數據分析方法在DGA數據表分析中的應用
1．2．4方法學角度的故障診斷的基礎問題
1．2．5數據分析的智能階段探討
1．3本書的主要研究內容
1．3．1基於聚類理論的故障類型識別
1．3．2基於粗糙集的樣本循環採樣，以實現規則求精
1．3．3基於模糊粗糙集的規則約簡
1．3．4基於證據理論的結論綜合
1．4章節安排

2基於DGA的變壓器潛伏性故障診斷及其發展
2 ．1概述
2．2變壓器的故障特性與溶解氣體之間的關係
2．2．1產氣機制介紹[2，4，5]
2．2．2氣體的溶解
2．3變壓器潛伏性故障與氣體的比值問題
2．3．1熱性故障
2 3．2放電性故障
2．3．3受潮
2．4基於DGA的故障診斷方法
2．4．1三比值法
2．4．2影響比值法的因素
2．4．3三比值法的不足
2．5小結

3基於聚類分析的故障類型的確定
3．1概述
3．2問題的提出及本章聚類的作用
3．3聚類問題的背景知識
3．3．1聚類問題的本質
3 ．3．2聚類的基本步驟
3．3．3三類主要的聚類算法
3．3．4面向DGA的變壓器故障樣本的分析
3．4基於最優聚類的分析
3．4．1 FCM ．的模型構造
3．4．2 FCM算法步驟
3．4．3 GK方法的模型構造和算法步驟
3．5密度分析方法
3．5．1基於概率密度的聚類分析方法
3．5．2構造樣本特性空間
3．5．3聚類分析與故障類別確定
3．6 DGA問題的聚類分析流程
3．6．1診斷表製作流程及原理
3．6．2試驗分析
3．7小結

4基於循環樣本採樣的診斷規則求精
4．1數據完備化問題
4．1．1問題的提出
4．1．2知識求精
4．1．3數據完備化的使用範圍
4．2粗糙集的背景知識
4． 2．1利用粗糙集構建的信息系統
4．2．2經典粗糙集理論
4．2．3屬性約簡
4．3樣本循環採樣算法
4．3．1算法流程
4．3．2粗糙集理論及基於約簡的樣本循環採樣
4．3．3循環採樣算法的步驟
4．4實驗分析
4．5小結

5基於模糊粗糙集的規則約簡
5．1概述
5． 2簡介
5．2．1模糊粗糙集發展歷史
5．2．2我國粗糙集應用的評價
5．3 Boianova類型模糊粗糙集簡介[59]
5．4 KDD聚類及模糊粗糙邏輯在決策表建立中的應用
5．4．1基於KDD聚類的屬性取值模糊化（Va，f的確定）
5．4．2包含度計算和規則提取
5．5基於模糊粗糙集理論的數據挖掘算法
5．5 ．1算法構造
5．5．2包含度閾值的選取
5．6 DGA決策系統的建立
5．6．1氣體比值類型選取（條件屬性的選取）
5．6．2故障類型選取（決策屬性選取及其形成）
5．6．3決策系統形成
5．6．4實例
5．7不同診斷方法的統計對比
5．8小結

6 DGA故障診斷的各種理論方法的討論
6．1總論
6．1． 1算法對比的發展歷史和簡介
6．1．2診斷效果評價上的複雜性
6．1．3診斷結果表達方式的人機交互適應性
6．1．4診斷知識表達方式的人機交互適應性
6．1．5系統自動更新能力
6．1．6以算法複雜度來進行測量
6．2基於以上指標的若干分析說明
6．2．1基於概率函數的分類方法
6．2．2基於線性或非線性判別函數[10，11]的分類方法
6．2．3模糊聚類
6．2．4模糊綜合評判
6．2．5粗糙集理論
6．2．6 Petri網絡
6．2．7灰色理論
6．3存在的問題
6．3 ．1樣本表達方式的不統一和知識表達方式的不統一
6．3．2診斷結果表達方式的不統
6．4小結
……
9全書總結與展望
9．1全書總結
9．2未來的發展
參考文獻