24小時(shí)論文定制熱線(xiàn)
24小時(shí)論文定制熱線(xiàn)
摘要
對變電站內的設備運行狀態(tài)和環(huán)境參數進(jìn)行監控，能有效提高變電站運行的智能化水平，對于維護電力系統的安全穩定具有重要意義。現有監控系統中各個(gè)監控環(huán)節相互獨立，因此無(wú)法滿(mǎn)足智能變電站網(wǎng)絡(luò )化和共享化要求的現狀。針對上述問(wèn)題，本文設計了數據檢測、報警系統、人員管理、門(mén)禁系統為一體的變電站在線(xiàn)監控系統。
門(mén)禁系統主要采用人臉識別的技術(shù)對進(jìn)入變電站人員進(jìn)行識別，防止出現人員的誤入導致了變電站內現場(chǎng)誤操作，破壞變電站的穩定運行。本文開(kāi)發(fā)了基于多重安全保障的門(mén)禁識別系統。門(mén)禁系統首先采用imread和resize 函數實(shí)現對人臉圖片的預處理，以標準數據集為基礎構建訓練樣本集，通過(guò)優(yōu)化后的卷積神經(jīng)網(wǎng)絡(luò )，使得該系統能夠在不同光線(xiàn)強度下對人臉進(jìn)行捕捉和識別。
根據框架，對系統的登錄注冊功能、用戶(hù)管理功能、菜單管理功能、角色管理功能、首頁(yè)、報警功能、日志功能等進(jìn)行了具體設計。最終，系統將采集到的實(shí)時(shí)信息顯示到客戶(hù)端，用戶(hù)登錄系統之后，可以直接查看變電站內設備的運行情況：當設備出現異常時(shí)，在變電站中報警并且向系統發(fā)送故障原因和故障點(diǎn)的位置，系統將獲得儲存的報警日志，并且在電網(wǎng)地圖視圖標識故障點(diǎn)的位置；此外，報警系統還將向用戶(hù)發(fā)送短信或電話(huà)的通知。
關(guān)鍵詞：變電站監控系統； JAVA WEB;人臉識別；變電站門(mén)禁系統
目 錄
1 緒論
1.1 研究背景及意義
隨著(zhù)電力系統建設的穩步推進(jìn)，以及信息和網(wǎng)絡(luò )技術(shù)的高速發(fā)展，對我國電力系統的智能化提出了更高的要求，使得智能電網(wǎng)在未來(lái)很長(cháng)一段時(shí)間內成為電力系統發(fā)展的熱門(mén)方向之一。此外，超高壓等級輸電線(xiàn)路的建設，使得變電站數量也急劇增加，以及無(wú)人值守變電站的推廣應用也對變電站智能化和信息化提出了更高要求。
330kV 電網(wǎng)在我國西北電網(wǎng)中占據重要位置，據相關(guān)統計數據顯示：西北地區 330kV聯(lián)合電網(wǎng)線(xiàn)路已超過(guò) 6000km.西北地區地廣人稀，變電站選址均較為偏僻，工作環(huán)境相對艱苦，更適用于無(wú)人值守變電站，因此對于智能化、可靠性高的遠程監控系統的要求更為迫切。變電站在線(xiàn)監控系統能夠實(shí)現對站內各個(gè)設備運行狀態(tài)的實(shí)時(shí)采集，并準確、及時(shí)的反饋給工作人員，進(jìn)而改善工作環(huán)境，提高變電站智能化水平。門(mén)禁系統主要采用人臉識別的技術(shù)對進(jìn)入變電站人員進(jìn)行識別，防止出現人員的誤入導致了變電站內現場(chǎng)誤操作，破壞變電站的穩定運行，給企業(yè)造成經(jīng)濟損失，甚至還會(huì )造成人員的傷亡。現階段，國內對變電站監控系統和人臉識別的研究已經(jīng)取得了豐碩的成果，但是監控系統和人臉識別系統之間相互獨立，分別承擔監控站內設備運行狀態(tài)和門(mén)禁控制的作用，并沒(méi)有形成一個(gè)相對統一的系統。
因此，本文研究了變電站監控系統，主要功能包括：數據檢測、報警系統、人員管理和門(mén)禁系統，且各個(gè)環(huán)節相互聯(lián)系。330kV 變電站在西北電網(wǎng)超高壓輸電線(xiàn)路中擔負著(zhù)接受和分配電能的職責，所以它的安全、可靠運行對電力系統有著(zhù)至關(guān)重要的作用。工作人員通過(guò) 330kV 變電站的在線(xiàn)監控系統的開(kāi)發(fā)能夠及時(shí)、準確獲得設備運行狀態(tài)，進(jìn)而及時(shí)消除潛在的缺陷和隱患，對于維護西北電網(wǎng)的安全穩定運行具有重要的意義。
1.2 國內外研究現狀
1.2.1 國外研究現狀
變電站監控系統能夠實(shí)時(shí)采集站內設備的運行狀態(tài)，并將運行信息反饋給相關(guān)工作人員，因此監控系統對于保證站內設備的安全穩定運行有重要意義。國外，美國、日本、德國和英國等西方發(fā)達國家率先開(kāi)展了變電站監控系統的研究。在邏輯結構上，智能變電站監控系統可以分為站控層、間隔層和過(guò)程層，如圖 1-1 所示。
上世紀 90 年年代開(kāi)始，針對電氣設備的在線(xiàn)監測產(chǎn)品被推出，如 Duval M 等研制的CB Watch-2 系統可以 SF6 氣體、斷路器機械參數以及操動(dòng)機構等項目進(jìn)行在線(xiàn)監測。
Kezunovic M 等[1]研發(fā)了基于分布式 IED 和中央服務(wù)器斷路器的在線(xiàn)監測系統，利用無(wú)線(xiàn)信號通信，監測項目主要為分合控制線(xiàn)圈電流以及主回路電流，同時(shí)還對信號處理和專(zhuān)家系統的應用進(jìn)行了研究。美國 Heathway 公司生產(chǎn)的 BCM200 斷路器監測裝置能夠采集分合閘線(xiàn)圈電流以及一次回路故障電流累計燃弧時(shí)間等參數并根據這些參數進(jìn)行故障診斷[2].韓國學(xué)者 Kim DC 等[3]研制了基于 IEC61850 標準的 GIS 在線(xiàn)監測系統傳統的變電站故障識別，可以分為基于規則、基于模型和基于指紋三種。在采集電流特征之后，使用深度學(xué)習算法[4]、實(shí)時(shí)診斷算法[5]等構建故障診斷模型。在變電站中，電力變壓器持續運行及其在輸電可靠性中具有重要意義[6].近年來(lái)，光學(xué)傳感器因其良好的電磁絕緣特性被廣泛使用，如印度學(xué)者 Saxena, MK 等[7]使用拉曼光譜法（Ramanspectroscopy）測量站內溫度的分布。為了保證電力系統安全可靠地運行，必須對電力設備的在線(xiàn)或離線(xiàn)狀態(tài)進(jìn)行監測和評估，而且隨著(zhù)科學(xué)技術(shù)的不斷發(fā)展，大數據（Big Data）、物聯(lián)網(wǎng)（The Internet of Things,IOT）和云計算（Cloud Computing）等大量新技術(shù)在不久的將來(lái)會(huì )廣泛應用于電氣設備監控系統中[8].
為了避免電氣設備發(fā)生故障并延長(cháng)這些關(guān)鍵部件的使用壽命，伊朗學(xué)者 Razi Kazemi等分析了常見(jiàn)失效模式對電氣設備運行狀態(tài)的影響，并基于混沌概率的狀態(tài)評估算法[9]
實(shí)現故障診斷。行程信號可以充分的展示出操動(dòng)機構的動(dòng)作情況，Razi-Kazemi 等認為動(dòng)作時(shí)間和速度的任何變化，都有極大的可能與彈簧操動(dòng)機構發(fā)生故障有關(guān)，而超行程則反應了緩沖器的狀態(tài)[10],而振動(dòng)信號則具有高度非線(xiàn)性和容易被噪聲干擾等特點(diǎn)，很難準確的提取有效特征。伊朗學(xué)者 Samimi,MH 等[11]認為需要綜合使用電氣、機械、光學(xué)、化學(xué)和聲學(xué)等傳感器來(lái)監測電力變壓器的運行狀態(tài)，其中包括電流、電壓、局放、氣體含量、溫度和油含量等參數。
1.2.2 國內研究現狀
國內對智能變電站也進(jìn)行了大量研究。西安交通大學(xué)張喬根等[12]開(kāi)發(fā)了測量變壓器繞組瞬態(tài)電壓分布的傳感器陣列，提出了一種無(wú)損檢測變壓器繞組暫態(tài)電壓分布的方法，得到了變壓器繞組的電壓分布變電站中除直接參與生產(chǎn)、輸送和分配電能的一次設備外，站內承擔監測、控制和保護的輔助性任務(wù)的二次設備的工作狀態(tài)同樣關(guān)系到站內安全，因此其運行信息也需要監控。
傳統的溫度測量方法中，電阻和熱電偶傳感器都可以測量變壓器頂部油的溫度。上海交通大學(xué) Zou Weiwen 等[13]結合布里淵光譜學(xué)（Brillouin spectroscopy）感知分布在站內一個(gè)區域的多個(gè)點(diǎn)的溫度。陶文偉等[14]針對 HSR 和并行冗余協(xié)議（Parallel RedundantProtocol,PRP）的智能變電站過(guò)程層組網(wǎng)進(jìn)行了研究，并基于該組網(wǎng)基礎上進(jìn)行了 HSR和 PRP 的延時(shí)累加技術(shù)研究及測試。為了實(shí)現對變電站數據的延遲測量，進(jìn)而擺脫了對時(shí)鐘的依賴(lài)，李仲青等[15]提出了應用可靠性無(wú)縫冗余協(xié)議（High-availability SeamlessRedundancy,HSR）的過(guò)程組網(wǎng)技術(shù)方案。在分析了智能化器件和先進(jìn)應用使用功能的基礎之上，吉林大學(xué)徐微[16]提出了 110kV 智能變電站的建設方案，然后對全站數據流進(jìn)行數學(xué)建模。
變電站的機械故障診斷包括預處理、特征提取與篩選和故障識別 3 個(gè)步驟[17],在斷路器中，線(xiàn)圈電流可以描述分合閘鐵芯的運動(dòng)軌跡[18].王俊輝等[19]認為過(guò)程層設備的時(shí)間性能將直接影響整個(gè)變電站的穩定運行，因此提出了智能變電站過(guò)程層時(shí)鐘偏差測量試驗方法，用于測試測控單元的時(shí)鐘同步。隨著(zhù)新建及改擴建智能變電站任務(wù)的不斷推進(jìn)，大量設備的運行狀態(tài)接入的工作量巨大，而且無(wú)法實(shí)現整個(gè)信號的閉環(huán)實(shí)時(shí)傳遞。針對上述問(wèn)題，國網(wǎng)福建省電力有限公司檢修分公司陳月卿等[20]結合 IEC61850 通訊協(xié)議和多機多網(wǎng)并行校核理論，設計了一套智能變電站監控信息的自動(dòng)閉環(huán)驗收系統，同時(shí)提出了一種基于全相位頻譜矯正技術(shù)的高效變電站數據監測方法。重慶大學(xué)城市科技學(xué)院鄭雪娜等[21]設計了一套能可視化管理的變電站智能監控系統，該系統通過(guò)攝像機實(shí)時(shí)采集站內設備的圖像信息，監控變電站設備運行狀態(tài)，結合可視化模塊最終將線(xiàn)路的運行狀態(tài)顯示出來(lái)。由于變電站電力設備故障樣本數量較少，使用小樣本作為狀態(tài)識別較為困難，新疆大學(xué)馬鵬等[22]基于網(wǎng)絡(luò )的深度遷移學(xué)習算法，開(kāi)發(fā)了電力設備圖像目標檢測算法，能夠應用于小樣本電力設備數據集的檢測。
高壓斷路器在電力系統中起著(zhù)保護和控制的作用。山東大學(xué)張曉彤等[23]分析變電站中高壓斷路器不正常動(dòng)作的具體原因，提出了基于有向二分圖模型的故障追蹤方法，表示出故障征兆與故障之間的對應邏輯關(guān)系，該方法能夠實(shí)現對故障面進(jìn)行全面分析。主要依靠斷路器動(dòng)作過(guò)程時(shí)同步采集的線(xiàn)圈電流信號、行程信號和振動(dòng)信號[24].當對信號數據進(jìn)行處理提取得到特征參數后，就可以利用分類(lèi)算法得到高壓斷路器的狀態(tài)類(lèi)型，從而實(shí)現其故障的診斷。
國網(wǎng)寧夏電力有限公司檢修公司尹相國等[25]利用廣義變比建立二次設備的故障診斷模型，主要用于繼電保護測量回路中電壓、電流的故障狀況。深圳供電局有限公司簡(jiǎn)學(xué)之等[26]開(kāi)發(fā)了一種基于增強現實(shí)（Augmented Reality,AR）技術(shù)的變電站二次設備運維系統，該系統通過(guò) OpenCV 源碼的實(shí)現，通過(guò) AR 智能終端設備獲取的二次設備的狀態(tài)信息。國網(wǎng)北京市電力公司檢修分公司肖永立等[27]建立了智能變電站二次設備缺陷模型，并提出了一種基于 FP-growth 算法的變電站二次設備缺陷分析方法。
此外，國網(wǎng)山東省電力公司劉紅軍等[28]研究了智能變電站新型運維體系，實(shí)現了智能變電站集群測控裝置的集中式運維和全景可視化展示；基于物聯(lián)網(wǎng)技術(shù)的提出和發(fā)展，將物聯(lián)網(wǎng)技術(shù)應用到變電站也是智能電網(wǎng)技術(shù)發(fā)展到一定階段的必然產(chǎn)物[29],江蘇大學(xué)呂悅[30]開(kāi)發(fā)的變電站監控系統能夠實(shí)現變電站內的照明功能、多控制方式的門(mén)禁功能以及溫濕度節點(diǎn)信息的實(shí)時(shí)采集功能，曲阜師范大學(xué)劉曉瑞[31]對變電站內電氣設備的監控短信報警系統進(jìn)行開(kāi)發(fā)研究。
1.3 本文研究?jì)热菁爸饕ぷ?/strong>
本文共分為五章，主要研究?jì)热菁案髡鹿澲g的關(guān)系，如圖 1-2 所示。
第一章，緒論。通過(guò)對課題研究背景及意義、國內外研究現狀的比較分析，給出本文變電站監測系統的研究?jì)热荨⑺龉ぷ饕约皠?chuàng )新點(diǎn)。
第二章，變電站監控系統設計原則和開(kāi)發(fā)技術(shù)分析。從系統設計性能指標入手，對系統設計原則和 JAVA WEB 開(kāi)發(fā)技術(shù)進(jìn)行分析。
第三章，人臉識別的門(mén)禁系統設計。基于深度學(xué)習算法，對變電站的門(mén)禁系統進(jìn)行了深入研究，使得變電站僅能使得特定人員有進(jìn)入的權限。
第四章，變電站監控系統軟件設計。通過(guò)開(kāi)發(fā) WEB 客戶(hù)端實(shí)現了系統最為核心的站內設備狀態(tài)的實(shí)時(shí)監測和預警提示功能。
第五章，結論和展望。對當前所做工作的總結，并指出未來(lái)的工作方向及系統提升可做的工作。
2 變電站監控系統設計原則和開(kāi)發(fā)技術(shù)分析
2.1 設計原則分析
2.1.1 數據管理分析
2.1.2 狀態(tài)管理分析
2.1.3 管理分析
2.1.4 日志管理
2.1.5 系統維護管理
2.2 Java Web 開(kāi)發(fā)技術(shù)分析
2.3 環(huán)境參數監測研究
2.3.1 SF6 氣體監測
2.3.2 溫、濕度監測
2.4 本章小結
3 人臉識別的門(mén)禁系統設計
3.1 變電站門(mén)禁系統設計
3.2 國內外現狀及設計要求
3.3 門(mén)禁系統框架設計
3.4 基于神經(jīng)網(wǎng)絡(luò )的人臉識別方法設計
3.5 人臉圖像的獲取與數據預處理
3.5.1 訓練數據集處理
3.5.2 人臉圖片降維
3.6 基于深度學(xué)習的人臉識別過(guò)程
3.6.1 可視化訓練過(guò)程
3.6.2 模型訓練
3.6.3 人臉識別結果分析
3.7 本章小結
4 變電站監控系統軟件設計
4.1 系統設計
4.1.1 總體架構設計
4.1.2 網(wǎng)絡(luò )拓撲設計
4.1.3 接口設計
4.1.4 數據庫設計
4.2 功能實(shí)現
4.2.1 登錄注冊的功能實(shí)現
4.2.2 用戶(hù)管理功能實(shí)現
4.2.3 菜單管理功能實(shí)現
4.2.4 角色管理功能實(shí)現
4.2.5 首頁(yè)功能實(shí)現
4.2.6 設備功能實(shí)現
4.2.7 電氣參數顯示功能實(shí)現
4.2.8 報警系統功能實(shí)現
4.2.9 日志系統功能實(shí)現
4.3 結合人臉識別的 330kV 變電站監控系統
4.4 本章小結
5 結論與展望
5.1 結論
本文設計了基于 JAVA WEB 的變電站監控系統，結合人臉識別的門(mén)禁系統，實(shí)現了對站內溫濕度，SF6 氣體含量，三相電壓、電流，零序電流等參數的在線(xiàn)監控和狀態(tài)預警。
相關(guān)結論和創(chuàng )新點(diǎn)如下：
（1）本文開(kāi)發(fā)了基于深度學(xué)習的人臉識別門(mén)禁系統，運用了機器視覺(jué)、卷積神經(jīng)網(wǎng)絡(luò )、圖像處理等技術(shù)手段。其中，使用 imread 和 resize 函數實(shí)現對人臉圖片的預處理；對比了GPU和CPU在識別過(guò)程中的表現，GPU相比CPU在訓練速度上擁有較大的優(yōu)勢。
（2）本文采用 Java EE 對變電站中一、二次設備實(shí)時(shí)數據進(jìn)行采集和管理，用戶(hù)登錄變電站監控系統網(wǎng)頁(yè)端后，可以直接查看變電站內設備的運行情況；當設備出現異常時(shí)，在變電站中發(fā)起報警并且向系統發(fā)送故障原因和故障點(diǎn)的位置，系統將獲得的信息的儲存到報警日志，并且在電網(wǎng)地圖視圖標識故障點(diǎn)的位置；此外，報警系統還將向用戶(hù)發(fā)送短信或電話(huà)的通知。
（3）本文設計的變電站監控系統將數據監控、人員管理、門(mén)禁識別、故障報警等各個(gè)環(huán)節有機的統一起來(lái)，能有效降低變電站故障發(fā)生率。其中門(mén)禁識別成功后會(huì )向監控管理系統發(fā)送一條 JSON 字符串指令，發(fā)送成功后完成后臺管理系統的登錄。
5.2 展望
由于時(shí)間和成本的限制，本文仍有部分工作尚未展開(kāi)：
（1）由于變電站內一二次設備種類(lèi)、型號、數量繁多，本文并未涵蓋所有類(lèi)型的設備。在監控系統的推廣應用中，需要根據不同型號、不同使用環(huán)境下的設備的監控量，對監控系統進(jìn)行進(jìn)一步的優(yōu)化和改進(jìn)。
（2）本文僅針對變電站監控的系統的網(wǎng)頁(yè)端和人臉識別門(mén)禁系統進(jìn)行了研究，隨著(zhù)電子技術(shù)的不斷發(fā)展，可以定制開(kāi)發(fā)適用于變電站檢修人員的平板電腦，通過(guò)平板電腦上的 APP 實(shí)現對站內設備狀態(tài)的監控。
致謝
時(shí)間飛逝，不覺(jué)間我的研究生學(xué)習生涯已接近尾聲。在攻讀碩士研究生期間，李生民老師給予了大力的幫助和指導 ,在我的論文寫(xiě)作過(guò)程中，李老師從最初的選題、定題到最終全篇論文的完成，都非常負責。李老師幫我指出論文中存在的問(wèn)題，告訴我論文中應注意的細節，使我受益匪淺，在此我向李老師表示最誠摯的感謝！
我要感謝我的家人在我讀研期間給予的幫助，讓我沒(méi)有后顧之憂(yōu)專(zhuān)心攻讀研究生學(xué)位，感謝他們?yōu)槲业母冻觥?/p>
我還要感謝所有在我撰寫(xiě)論文時(shí)幫助過(guò)我的師兄、師弟們，感謝他們的幫助與諸多寶貴意見(jiàn)和建議，對他們的支持表示萬(wàn)分感謝。
參考文獻
[1] KNEZEV M, DJEKIC Z, KEZUNOVIC M. Automated Circuit Breaker Monitoring [C]. 2007 IEEE Power Engineering Society General Meeting, Tampa: 2007, 2580-2585.
[2] DUPRAZ J P, JUNG T, FICHEUX A, et al. Remote Supervision for Intelligent Circuit Breakers and Gas Insulated Substations [C].2008 IEEE Power and Energy Society GeneralMeeting -Conversion and Delivery of Electrical Energy in the 21 st Century, Pittsburgh:2008, 4718-4725.
[3] KIM D-C, KANG D-K, SEO D-K, et al. Development of GIS Condition Monitoring and Diagnosis System based on IEC61850 [C]. 2012 IEEE International Conference on Condition Monitoring and Diagnosis, Bali, Indonesia: 2012, 396-398.
[4] BISWAS S S, SRIVASTAVA A K, WHITEHEAD D. A Real-Time Data-Driven Algorithm for Health Diagnosis and Prognosis of a Circuit Breaker Trip Assembly [J]. IEEE Transactions on Industrial Electronics, 2015, 62（6）： 3822-31.
[5] RAZI-KAZEMI A A. Circuit Breaker Condition Assessment through A Fuzzy-Probabilistic Analysis of Actuating Coil's Current [J]. IET Generation, Transmission & Distribution, 2016, 10（1）： 48-56.
[6] ZEINODDINI-MEYMAND H, VAHIDI B. Health Index Calculation for Power Transformers Using Technical and Economical Parameters [J]. IET Science, Measurement & Technology, 2016, 10（7）： 823-30.
[7] SAXENA M K, RAJU S D V S J, ARYA R, et al. Empirical Mode Decomposition-Based Detection of Bend-Induced Error and Its Correction in a Raman Optical Fiber Distributed Temperature Sensor [J]. IEEE Sensors Journal, 2016, 16（5）： 1243-52.
[8] LI S T, LI J Y. Condition Monitoring and Diagnosis of Power Equipment: Review and Prospective [J]. High Voltage, 2017, 2（2）： 82-91.
[9] RAZI-KAZEMI A A, NIAYESH K, NILCHI R. A Probabilistic Model-Aided Failure Prediction Approach for Spring-Type Operating Mechanism of High-Voltage Circuit Breakers [J]. IEEE Trans Power Deliv, 2019, 34（4）： 1280-90.
[10] YANG Q Y, RUAN J J, ZHUANG Z J, et al. A New Vibration Analysis Approach for Detecting Mechanical Anomalies on Power Circuit Breakers [J]. IEEE Access, 2019, 7（14070-80.
[11] SAMIMI M H, ILKHECHI H D. Survey of Different Sensors Employed for the Power Transformer Monitoring [J]. IET Science, Measurement & Technology, 2020, 14（1）： 1-8.
[12] WANG T L, ZHANG Q G, NI H L, et al. Capacitive Voltage Sensor Array for Detecting Transient Voltage Distribution in Transformer Windings [J]. EEE Transactions onDielectrics and Electrical Insulation, 2016, 23（5）： 3182-9.
[13] ZOU W W, HE Z Y, HOTATE K. Range Elongation of Distributed Discrimination of Strain and Temperature in Brillouin Optical Correlation-Domain Analysis Based on Dual Frequency Modulations [J]. IEEE Sensors Journal, 2014, 14（1）： 244-8.
[14] 陶文偉， 高紅亮， 楊貴， 等。 智能變電站過(guò)程層冗余組網(wǎng)模式及網(wǎng)絡(luò )延時(shí)累加技術(shù)研究 [J]. 電力系統保護與控制， 2018, 46（08）： 124-9.
[15] 李仲青， 蔣帥， 杜宇， 等。 基于 HSR 的智能變電站過(guò)程層通信網(wǎng)絡(luò ) [J]. 電氣應用， 2019, 38（07）： 38-43.
[16] 徐微。 陽(yáng)明 110kV 智能變電站系統及通信網(wǎng)絡(luò )設計 [D]; 吉林大學(xué)， 2019.
[17]韓宇， 董波。 一種基于線(xiàn)圈電流的高壓斷路器機械故障診斷方法 [J]. 高壓電器， 2019, 55（09）： 241-6.
[18] PAN Y, MEI F, MIAO H Y, et al. An Approach for HVCB Mechanical Fault Diagnosis Based on a Deep Belief Network and a Transfer Learning Strategy [J]. Journal of Electrical Engineering & Technology, 2019, 14（1）： 407-19.
[19] 王俊輝， 魏芳， 劉園偉， 等。 智能變電站過(guò)程層設備時(shí)鐘偏差測量試驗方法研究 [J]. 電工技術(shù)， 2020, 01）： 150-2+9.
[20] 陳月卿， 陳建洪， 邱建斌， 等。 一種智能變電站監控信息自動(dòng)驗收系統的研究 [J]. 電力系統保護與控制， 2020, 48（11）： 143-50.
[21] 鄭雪娜， 陶家元， 王瑞雪， 等。 基于智能可視化管理的變電站智能監控系統設計 [J]. 現代電子技術(shù)， 2020, 43（16）： 30-3.
[22] 馬鵬， 樊艷芳。 基于深度遷移學(xué)習的小樣本智能變電站電力設備部件檢測 [J]. 電網(wǎng)技術(shù)， 2020, 44（03）： 1148-59.
[23] 張曉彤， 陳青， 孫夢(mèng)璇， 等。 針對智能變電站二次回路故障的高壓斷路器故障追蹤[J]. 電力自動(dòng)化設備， 2020, 40（10）： 212-7+24.
[24] 王昱皓， 武建文， 馬速良， 等。 基于核主成分分析-SoftMax 的高壓斷路器機械故障診斷技術(shù)研究 [J]. 電工技術(shù)學(xué)報， 2020, 35（S1）： 267-76.
[25] 尹相國， 張文， 路致遠， 等。 面向智能變電站二次設備的故障診斷方法研究 [J]. 電測與儀表， 2020, 57（03）： 39-45.
[26] 簡(jiǎn)學(xué)之， 劉子俊， 文明浩， 等。 AR 增強現實(shí)技術(shù)在變電站二次設備運檢中的應用 [J]. 電力系統保護與控制， 2020, 48（15）： 170-6.
[27] 肖永立， 劉松， 見(jiàn)偉， 等。 一種基于 FP-growth 算法的變電站二次設備缺陷分析方法
[J]. 電測與儀表， 2020, 57（12）： 83-90.
[28] 劉紅軍， 管荑， 朱玉錦， 等。 智能變電站間隔集群測控模式下的運維體系研究 [J]. 電力系統保護與控制， 2020, 48（07）： 159-65.
[29] 保積秀， 張真， 閆涵。 基于物聯(lián)網(wǎng)技術(shù)的智能變電站二次運維管理系統 [J]. 電子技術(shù)與軟件工程， 2020, 01）： 220-1.
[30] 呂悅。 基于物聯(lián)網(wǎng)的變電站監測系統設計 [D]; 江蘇大學(xué)， 2020.
[31] 劉曉瑞。 110kV 智能變電站設計及監控系統研究 [D]; 曲阜師范大學(xué)， 2020.
[32] 朱凌燕。 六氟化硫微量分解產(chǎn)物的氣相色譜法分析 [D]; 復旦大學(xué)， 2014.
[33] 田靖臣。 天津蘆臺等 500kV 變電站 SF_6 氣體檢測及在線(xiàn)監測技術(shù)研究 [D]; 天津大學(xué)， 2018.
[34] 劉寧寧。 變電站 SF6 氣體無(wú)線(xiàn)監測控制系統設計與實(shí)現 [D]; 齊魯工業(yè)大學(xué)， 2017.
[35] 姜寶林， 孫吉權， 許亮， 等。 紫外線(xiàn)電離型 SF_6 氣體檢漏儀 [J]. 現代儀器， 2005, 04）： 56-8.
[36] 尹世榮。 差分吸收激光雷達建模仿真及其信息處理算法的研究 [D]; 電子科技大學(xué)， 2007.
（如您需要查看本篇畢業(yè)設計全文，請您聯(lián)系客服索取）