变电站电力设备故障数字诊断与评估

十三五国家重点研发计划“数字电网关键技术”建设成果，解决了电网数字化进程中变电设备故障诊断所面临的评估体系单一、诊断精度低下等问题。

本书系统介绍了变电站电力设备故障数字诊断与评估技术，全书共分为11章，设备对象包括变压器、GIS/GIL、干式空心电抗器等，状态参量包括局放信号、油中溶解气体、温度、红外/紫外/可见光图像等。本书各部分内容既自成体系又相互关联，有助于读者掌握变电站电力设备故障数字诊断与评估技术的本质。 本书可作为从事电力设备故障诊断与状态评估专业人员的参考书，也可作为高等院校电气、电子工程相关专业本科生和研究生的参考教材。

谢庆，男，1979年9月生，四川人，汉族，中共党员，博士（后），教授、博士生导师。曾任华北电力大学保定校区研究生院院长、学位办主任、学科建设处处长 。 2002年、2006年、2010年分别获华北电力大学电气工程领域学士、硕士、博士学位；2013年于重庆大学电气工程博士后出站；2017年11月至2018年11月在美国宾夕法尼亚州立大学电机工程系做访问学者。 一直从事电气设备故障诊断与智能评估、优选电工材料、能源数字化技术及应用等方面科研工作。作为项目负责人主持完成国家自然科学基金3项（优秀结题2项），主持“智能电网”国家重点研发专项项目/课题1项、子课题1项，主持教育部中央高校基金重大团队项目1项、面上项目2项，主持国家重点实验室开放课题2项，主持北京市、河北省自然科学基金项目各1项。另外，主持国网公司、中国石油、中国核电，中广核等企事业委托的各类项目20余项。共发表SCI、EI检索论文100余篇，授权发明专利20项，出版学术专著2部、教材1部。 获得省部级自然科学一等奖1项（排名1），瑞士日内瓦国际发明展览金奖（排名3），省部级科技进步一等奖（排名3）、二等奖（排名2）各1项，获国家电网公司科技进步奖二等奖（排名2）1项。 指导博士研究生、硕士研究生80余人，指导学生获得省级优秀硕士论文多篇、国奖多名。 曾任新能源电力系统国家重点实验室研究人员、输变电设备安全及防御河北省重点实验室责任教授，兼任中国电工技术学会高级会员，绝缘材料、等离子体专委会委员，中国电机工程学会高级会员，高压学组委员， IEEE PES变电站技术委员会(中国)变电站运维分技术委员会常务理事；曾任2016 年全国高电压与放电等离子体学术会议大会副主席。担任河北省科协委员、河北省青年委员，入选河北省三三三三人才工程，荣获河北省青年五四奖章提名奖。

目〓〓录 第1章概述 1.1变电设备故障诊断的重要意义 1.2变电设备故障诊断的发展现状 1.2.1基于阈值判定的故障诊断方法 1.2.2基于专家系统的故障诊断方法 1.2.3基于机器学习的故障诊断方法 1.2.4基于多源数据融合的故障诊断 1.3变电设备故障诊断方法的难点问题分析 1.3.1变电设备故障机制复杂 1.3.2变电设备故障诊断数据体量巨大 1.3.3变电设备状态评估数据质量不佳 1.4人工智能技术的发展现状及技术优势 1.4.1人工智能关键技术概述 1.4.2人工智能关键技术分析 1.5人工智能技术在变电设备故障诊断中的优化需求 1.5.1噪声抑制对变电设备故障诊断的影响 1.5.2样本不均衡对变电设备故障诊断的影响 1.5.3多元输入对诊断模型的影响 1.6本书主要内容 1.7参考文献 第2章基于知识数据融合驱动的油浸设备局放脉冲样本数据增强 2.1绪论 2.1.1局部放电样本数据增强的应用背景及其必要性 2.1.2数据增强方法研究现状 2.2基于知识数据融合驱动的局放脉冲数据增强方法 2.2.1知识数据融合驱动的必要性及方法概述 2.2.2局放脉冲筛选与特征知识补充 2.2.3基于知识数据融合驱动的局放脉冲数据增强 2.2.4算例分析 2.3基于DAEGAN的局放信号数据增强技术 2.3.1基于深度自编码器的局放信号降维 2.3.2基于DAEGAN的局放信号数据增强 2.3.3算例分析 2.4本章小结 2.5参考文献 第3章基于局部特征提取与RepVGG的油浸设备局部脉冲放电模式 识别方法 3.1引言 3.1.1局部放电故障诊断应用背景及其必要性 3.1.2国内外研究现状 3.2基于改进LISTA的局部放电信号噪声抑制技术 3.2.1融合深度学习的迭代阈值收缩算法(LISTA)原理 3.2.2基于改进LISTA算法的局部放电信号噪声抑制 3.2.3算例分析 3.3基于ORBRepVGG的高鲁棒性局放模式识别技术 3.3.1局放脉冲时频联合分析 3.3.2基于ORB算法局部特征提取方法 3.3.3基于ORBRepVGG的局部放电模式识别方法 3.3.4算例分析 3.4本章小结 3.5参考文献 第4章基于DGA和改进SSAE的变压器故障诊断方法 4.1引言 4.1.1研究背景和意义 4.1.2国内外研究现状 4.1.3本章主要内容 4.2基于加权综合损失优化深度学习和DGA的变压器故障 诊断方法 4.2.1SSAE基本原理 4.2.2基于加权综合损失改进深度学习方法 4.2.3基于加权综合损失优化深度学习和DGA的变压器故障 诊断方法 4.2.4应用案例分析 4.3基于变分自编码器预处理深度学习和DGA的变压器故障诊断 方法 4.3.1基于变分自编码器的不平衡样本预处理 4.3.2基于变分自编码器预处理深度学习和DGA的变压器 故障诊断模型建立方法 4.3.3案例分析 4.4本章小结 4.5参考文献 第5章基于FCSAE的全景数据融合及贝叶斯网络的变压器综合 诊断方法 5.1绪论 5.1.1变电站全景数据接入与融合技术研究现状 5.1.2变电站全景数据融合技术研究现状 5.1.3电气设备诊断方法研究现状 5.1.4人工智能技术在变电站设备检测及诊断中的应用现状 5.2基于FCSAE的变压器全景数据融合技术 5.2.1基于EMPCAFCM的变压器全景数据预处理方法 5.2.2基于FCSAE的变压器全景数据融合模型建立 5.2.3基于FCSAE的变压器全景数据融合处理及其 应用案例 5.3基于贝叶斯网络的变压器综合诊断方法 5.3.1电力变压器状态诊断规则集的构建方法 5.3.2基于数据融合和优化贝叶斯网络的变压器综合诊断 模型构建方法 5.3.3基于FCSAE的全景数据融合及贝叶斯网络的变压器 综合诊断方法 5.4本章小结 5.5参考文献 第6章GIS局部放电UHF谱图库与深度学习模式识别 6.1引言 6.1.1研究背景及意义 6.1.2国内外研究现状 6.1.3本章主要内容 6.2GIS中局部放电UHF谱图与现场数据预处理方法 6.2.1UHF局部放电谱图类型 6.2.2实验室GIS局部放电UHF谱图 6.2.3运行条件下GIS局部放电UHF谱图预处理 6.3模式识别中各种UHF谱图的有效性与融合方法 6.3.1LeNet5卷积神经网络模型的结构与识别方法 6.3.2基于相位分布谱图的模式识别 6.3.3基于脉冲序列谱图的模式识别 6.3.4基于多种谱图识别结果加权融合的模式识别 6.4现场UHF数据的深度学习方法 6.4.1基于WGANResNet网络的深度学习方法 6.4.2小谱图集下的CNN迁移学习 6.5本章小结 6.6参考文献 第7章基于多源信息融合的GIS运行状态智能评估 7.1引言 7.1.1研究背景与意义 7.1.2国内外研究现状 7.1.3本章主要工作 7.2开断设备机械故障类型及复现方法 7.2.1触头卡涩 7.2.2轴销脱落 7.2.3弹簧机构卡涩 7.2.4铁芯卡涩 7.3故障监测信号的选择与获取 7.3.1机械振动信号 7.3.2分合闸线圈电流信号 7.3.3触头位移路径 7.3.4多源信息的融合技术与复合特征信号的构建 7.4小样本数据下的人工智能识别算法 7.4.1基于WGAN的样本数据增强 7.4.2ResNet网络 7.5本章小结 7.6参考文献 第8章基于温度检测和深度神经网络模型的干式空心电抗器故障 程度评估方法 8.1引言 8.1.1研究背景及意义 8.1.2国内外研究现状 8.1.3本节主要内容 8.2干式空心电抗器温度故障信息数据库的建立 8.2.1基于UHFRFID无线温度传感器的干式空心电抗器 温度信息获取及分析 8.2.2基于拉曼散射的干式空心电抗器分布式温度信息获取及 处理 8.3基于温度检测和深度神经网络模型的干式空心电抗器故障程度 评估方法 8.3.1深度神经网络模型及优化方法 8.3.2干式空心电抗器故障程度评估及分析 8.3.3模型性能分析 8.4本章小结 8.5参考文献 第9章基于紫外视频和MiCT时空网络的变电站内绝缘子放电 严重程度评估 9.1引言 9.1.1研究背景及意义 9.1.2国内外研究现状 9.1.3本章主要工作 9.2绝缘子放电试验及紫外视频数据库的建立 9.2.1基于绝缘子放电试验的紫外视频及其同步参量的获取 及分析 9.2.2基于Kmeans的绝缘子放电紫外视频标注及 数据库建立 9.3基于MiCT时空网络和紫外视频的绝缘子放电严重程度评估 9.3.1MiCT时空网络及优化方法 9.3.2绝缘子放电严重程度评估及分析 9.3.3软件开发及应用 9.4本章小结 9.5参考文献 第10章基于卷积神经网络的变电设备故障红外图像辨识方法研究 10.1引言 10.1.1研究背景及意义 10.1.2电力设备红外检测国内外研究现状 10.1.3计算机视觉算法研究及其应用国内外研究现状 10.1.4计算机视觉在电力设备红外检测上的应用 10.2变电设备红外图像数据库的建立 10.2.1基于快速导向滤波的红外图像去噪 10.2.2基于MSRCP的红外图像增强 10.2.3变电设备红外图像的标注及数据库的建立 10.3基于卷积神经网络的变电设备红外图像故障辨识方法 10.3.1基于Faster RCNN的变电设备红外图像故障辨识 方法 10.3.2基于SSDMobileNet的变电设备红外图像实时检测 方法 10.3.3变电设备故障检测及分析 10.4本章小结 10.5参考文献 第11章基于可见光图像和知识推理的视觉不可分螺栓缺陷检测 11.1引言 11.1.1研究背景及意义 11.1.2国内外研究现状 11.1.3本章主要内容 11.2可见光巡检数据集的构建及扩增技术 11.2.1金具数据集的构建 11.2.2螺栓缺陷数据集的构建 11.2.3基于小样本学习的螺栓缺陷数据扩增技术 11.3基于知识推理的视觉不可分螺栓缺陷检测 11.3.1基于轻量级网络的金具检测方法及实验验证 11.3.2基于多标签学习的螺栓多属性分类方法及实验验证 11.3.3基于知识推理的视觉不可分螺栓缺陷检测方法及实验 验证 11.4本章小结 11.5参考文献