前言

第1章 概述

1.1 电力大数据时代

1.2 输变电设备状态评估的大数据技术现状

1.3 本书主要内容与组织

第2章 输变电设备状态评估

2.1 输变电设备状态评估基本理论

2.2 典型输变电设备状态评估需求

第3章 输变电设备数据集成

3.1 数据属性

3.2 电力数据集成技术

3.3 电力数据融合管理

第4章 输变电设备数据预处理

4.1 数据质量

4.2 数据清理

4.3 数据变换

4.4 数据归约

4.5 案例应用——基于二值转化和图像腐蚀组合方法的噪声数据滤除

4.6 案例应用——基于数据离散化处理的分布式关联规则分析方法

4.7 案例应用——基于改进型特征提取的故障诊断

第5章 输变电设备数据统计分析

5.1 假设检验

5.2 判别分析

5.3 方差分析

5.4 Bayes统计

5.5 案例应用——基于假设检验的断路器状态评估分析

5.6 案例应用——基于最大似然法的合（分）闸电磁铁性能判别分析

5.7 案例应用——基于单因素方差分析的高压套管介质损耗分析

5.8 案例应用——基于Bayes网络的变压器和互感器的综合故障诊断

第6章 输变电设备数据挖掘技术

6.1 分类

6.2 聚类

6.3 关联分析

6.4 时序分析

6.5 案例应用——基于支持向量机和遗传算法的变压器故障分类方法

6.6 案例应用——基于FCM聚类的油色谱典型故障标准序列

6.7 案例应用——基于关联规则的架空输电线路雷击故障特征分析

6.8 案例应用——基于时间序列的架空线路不同故障类型分析

第7章 输变电设备模型预测

7.1 线性回归

7.2 主成分分析与偏最小二乘

7.3 非线性回归

7.4 残差分析

7.5 案例应用——基于线性回归的断路器指标特性分析

7.6 案例应用——基于主成分分析的架空线路关联约束因素分析方法

7.7 案例应用——基于ANFIS的变压器故障诊断

7.8 案例应用——电流互感器（色谱）数据的残差分析

第8章 输变电设备非结构化数据处理技术

8.1 非结构化数据概述

8.2 自然语言处理

8.3 图像处理与机器视觉

8.4 声音信号处理

8.5 隐马尔科夫模型

8.6 深度学习

8.7 案例应用——基于自然语言处理的配电网跳闸数据知识图谱构建

8.8 案例应用——基于k-means算法的变压器套管图像分割技术

8.9 案例应用-基于频域分析的绝缘子污秽放电在线监测

8.10 案例应用——基于卷积神经网络的电力设备热故障识别技术

第9章 输变电设备状态评估可视化技术

9.1 数据可视化

9.2 可视化交互

9.3 可视化分析

9.4 基于可视化工具的全景信息集成系统

参考文献