导读:本文包含了电容设备论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:电容,在线,设备,变换器,高压,芯片,卷绕。
电容设备论文文献综述
李安训,王楠,扈翠宁[1]（2019）在《面向高压电容型设备绝缘在线检测系统的设计方法研究》一文中研究指出近几年,人工智能技术取得重大突破,开始向各个领域蔓延。得益于这项技术,很多领域得到了重大的发展。由于人工智能的出现,人们对电力系统的控制越来越熟练。人工智能主要是对一些电力系统的器械性能进行监测、记录并对数据进行整理、分析展现给相关控制人员。人工智能的检测工作效率要远远高于人工检测的效率且检测数据更为准确。在所有的电力器械中,高压电容型器械的情况观测对于整个电力系统来说非常重要,因为高压电容型器械的稳定性非常差,容易发生故障而影响整个电力系统的正常工作,但是它又在电力系统中起着至关重要的作用。文章主要探讨如何运用绝缘在线检测系统对高压设备进行实时监测。(本文来源于《企业科技与发展》期刊2019年08期）
张亚萌[2]（2019）在《电容型设备缺陷预测模型研究》一文中研究指出在电力系统中,电容型设备数量众多,占变电站设备总量的40%~50%,电容型设备的健康运行对于电力系统至关重要。随着电网信息化建设的大力推进,各种电力数据呈爆炸式增长,这为电容型设备健康运行提供了强大的数据支撑。传统的统计方法已无法满足实际的分析需求。本论文以重要性高、数据量大、数据种类丰富的电容型设备数据为数据源,并检验随机森林(Random Forest,RF)、多层感知机(Multi-Layer Perceptron,MLP)、支持向量机(Support Vector Machine,SVM)、集成树(Extreme Gradient Boosting,XGBoost)和线性分类算法等五种不同机器学习算法在电容型设备缺陷预测中的适用性,构建缺陷发生预测和缺陷等级预测模型,并将金融领域的评分卡模型应用在电容型数据分析中,探索出最优缺陷预测模型。本论文的研究内容与研究结果如下:(1)针对一般的编码方法,在各种缺陷发生预测以及缺陷等级预测模型中的效果较差,在对电容型设备数据进行清洗和数据均衡化基础上,结合电容型数据的特点,加入基于评分卡模型的证据权重(Weight of Evidence,WOE)特征编码,用于改进缺陷发生预测以及缺陷发生模型的性能。(2)针对设备是否发生缺陷进行预测,将五种机器学习算法应用在缺陷发生预测中,进行模型训练和参数调优,对各算法使用普通编码和评分卡模型WOE特征编码的预测结果进行比较,并分析特征重要性。实验结果表明,加入评分卡模型的WOE特征编码后,各算法的分类效果均得到改善,支持向量机、集成树和线性分类的精度提高0.07以上,多层感知机和随机森林分别提高0.02和0.03。随机森林各综合评价指标均最优,精度达到0.95。因此,基于WOE的随机森林算法(WOE_RF)缺陷发生预测模型最优。(3)在预测设备是否发生缺陷的基础上,进一步预测设备可能发生缺陷的等级。同样使用上述五种机器学习算法对两种特征编码方法下的缺陷等级预测结果进行比较,并分析特征重要性。研究结果表明,加入基于评分卡模型的WOE特征编码,可以有效改善各算法的分类能力,随机森林、多层感知机和支持向量机精度提高0.05以上,集成树和线性分类分别提高0.01和0.02。但同样是随机森林表现最佳,精度达到0.78。因此,WOE_RF缺陷等级预测模型最优。(本文来源于《电子科技大学》期刊2019-05-17）
申松[3]（2019）在《基于数据融合的电容型设备预警研究》一文中研究指出随着经济的发展,人类的用电需求越来越大,电力系统的稳定运行显得至关重要。在变电站中,电容型设备占据40%-50%,远多于其他类型设备。因此,监测电容型设备的运行状态,区分正常设备和缺陷设备,提前预警,对整个电力系统的稳定运行具有重要意义。电力系统在运营期间,产生了大量的运营数据及检修记录,累积为历史数据。这些数据涵盖了电容型设备的各类信息,具有属性多的特点。如何有效地融合这些数据信息服务于电力系统的运营管理一直是重要问题。本文基于数据融合理论与方法研究与分析了中国南方电网公司电容型设备台账数据及检修记录数据,并提出了相应算法。本文首先对数据集进行预处理。南方电网公司电容型设备台账数据及检修记录数据存在两个问题:数据类型不统一、数据集正负样本量不平衡。针对第一个问题,本文采用了数值编码及独热编码(onehot)两种编码方式进行类型转换,并舍弃部分不便于进行编码转换的属性。然后分别针对两种编码方式做了模型试算,确定其优缺点。针对第二个问题,本文分别采用上采样和下采样以增加稀有样本和减少数量多的样本。然后,本文利用数据融合的方法,分别用神经网络、支持向量机、随机森林方法构建了设备缺陷预测模型。为了确定模型的参数,本文使用了网搜索法进行调整,使得参数调整后的模型的预测精度达到或接近最高。同时,采用交叉验证的方法确保模型不会对数据集产生过拟合现象。随后分别使用精度、准确率、召回率、F1_score等指标对模型进行了准确性评估,并对实验结果进行了对比分析。(本文来源于《电子科技大学》期刊2019-03-22）
李继伟,郭轶娜[4]（2018）在《面向高压电容型设备绝缘在线检测系统的设计方法研究》一文中研究指出随着人工智能技术向电力行业的深度融合,智能电网已成为当前电力行业主要的发展方向。所谓智能,其最为核心的部分是对电网中的电力设备,尤其是高压电容型设备进行智能检测。高压电容型设备是一种完全或者部分绝缘的电容式结构的电力设备,有着数量占比大,易发事故的特征。由于高压电容型设备在电网运行中起到关键作用,因此,高压电容型设备的绝缘在线检测对于保障电网安全性和稳定运行有着非常重要的意义。(本文来源于《科技创新与应用》期刊2018年27期）
马志和,马武平,杨小红,白小锋[5]（2018）在《一种环氧树脂浸纸电容式套管绕制设备的研发设计》一文中研究指出文章主要介绍了一种环氧树脂浸纸电容式套管缠绕设备的的工作原理,采用窄幅纸拼接方式卷制及S型切割拼缝及张力控制的方法。希望通过文章的分析,为相关从业人员提供借鉴和参考。(本文来源于《科技创新与应用》期刊2018年23期）
胡文杰[6]（2018）在《电容型设备绝缘在线监测系统设计研究》一文中研究指出为了提高电容性设备绝缘在线监测系统的应用水平,设计了电容型设备绝缘在线监测系统。系统采用分布式结构,确保了各层功能的对立性,改善了系统的运行效率和可靠性;系统采用模块化思想,根据监测系统的功能和规模,把系统划分为3个层次;开发了基于B/S模式的子系统软件,使系统客户端免维护、扩展性好、开发效率高等特点,通过对实际运行的监测系统测试和试运行,系统采集数据准确,系统运行更加可靠运行。(本文来源于《能源与环保》期刊2018年07期）
陈俊,刘卫东,顾乐,黄慧红,蒋汉儒[7]（2018）在《电容式电力设备局部放电高频和特高频综合在线检测》一文中研究指出文中提出了电容式电力设备局部放电的UHF和HFCT综合检测,既具有UHF方法的抗电磁干扰能力和定位能力,又具有HFCT方法的局部放电量估计的能力。实验结果显示:局部放电的HFCT的测量脉冲幅值和局部放电量具有较好的线性关系,可进行局部放电量标定和估计;以局部放电的UHF信号为时间参考,对HFCT信号进行平均降噪,可以有效提高信噪比,更好满足局部放电量估计的需求。(本文来源于《高压电器》期刊2018年07期）
刘书萌,冯国兵,王龙,陈俊凯[8]（2018）在《一种芯片电容高精度批量测试设备设计》一文中研究指出芯片封装与测试工艺中,需对芯片电容进行测量完成合格性筛选,国内厂家目前多采用人工测试或购买国外的昂贵的电容测试设备。从应用角度出发,设计了批量自动化电容测量设备。该设备采用多路位置传感器与步进电机组成闭环控制系统,并加入安全控制与告警机制。试验表明该系统可实现芯片卷带自动、安全、可靠测试。(本文来源于《信息技术与网络安全》期刊2018年06期）
王东亮,王奇林,王益涵[9]（2018）在《关于大容量电容装配过程残余电量释放设备的设计及应用》一文中研究指出一般大容量电容本身在出厂时已做放电处理,但军工电子产品中部分电容在组装前还要做性能复验,此时通电性能测试后的电容残余电量一般靠电容自然释放,但经常由于生产进度等原因,电容性能测试后,很快就进入印制板组装焊接装配,此时大容量电容电量还未能及时释放,焊接操作人员存在触电风险,且清洗作业时容易出现打火,尤其是采用酒精清洗时,甚至存在引发火灾的风险,本文介绍一种大容量电容组焊前残余电量释放工装,用于电容组焊前其残余电量的释放,以消除焊接操作人员被电击及后续清洗过程中打火引发火灾的风险。(本文来源于《电子世界》期刊2018年11期）
陈晓勇,贺素刚,孙起[10]（2018）在《超级电容在矿用重型设备小型仪表上的供电研究》一文中研究指出矿用重型设备在待机状态时,防撞系统、对讲系统、及车载加热系统辅助等小型仪表只能依靠蓄电池为车载系统进行供电,导致蓄电池容量下降幅度大造成发动机启动困难,甚至无法启动。从超级电容器的工作原理、性能特点进行研究,设计一个基于超级电容器的用于矿用重型设备小型仪表的UPS。通过对超级电容器充电和放电过程的控制,实现超级电容器电路对负载的不间断供电,进而保证了矿用重型设备原车蓄电池的正常使用寿命,同时也保证了设备的出动率。(本文来源于《露天采矿技术》期刊2018年02期）
电容设备论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
在电力系统中,电容型设备数量众多,占变电站设备总量的40%~50%,电容型设备的健康运行对于电力系统至关重要。随着电网信息化建设的大力推进,各种电力数据呈爆炸式增长,这为电容型设备健康运行提供了强大的数据支撑。传统的统计方法已无法满足实际的分析需求。本论文以重要性高、数据量大、数据种类丰富的电容型设备数据为数据源,并检验随机森林(Random Forest,RF)、多层感知机(Multi-Layer Perceptron,MLP)、支持向量机(Support Vector Machine,SVM)、集成树(Extreme Gradient Boosting,XGBoost)和线性分类算法等五种不同机器学习算法在电容型设备缺陷预测中的适用性,构建缺陷发生预测和缺陷等级预测模型,并将金融领域的评分卡模型应用在电容型数据分析中,探索出最优缺陷预测模型。本论文的研究内容与研究结果如下:(1)针对一般的编码方法,在各种缺陷发生预测以及缺陷等级预测模型中的效果较差,在对电容型设备数据进行清洗和数据均衡化基础上,结合电容型数据的特点,加入基于评分卡模型的证据权重(Weight of Evidence,WOE)特征编码,用于改进缺陷发生预测以及缺陷发生模型的性能。(2)针对设备是否发生缺陷进行预测,将五种机器学习算法应用在缺陷发生预测中,进行模型训练和参数调优,对各算法使用普通编码和评分卡模型WOE特征编码的预测结果进行比较,并分析特征重要性。实验结果表明,加入评分卡模型的WOE特征编码后,各算法的分类效果均得到改善,支持向量机、集成树和线性分类的精度提高0.07以上,多层感知机和随机森林分别提高0.02和0.03。随机森林各综合评价指标均最优,精度达到0.95。因此,基于WOE的随机森林算法(WOE_RF)缺陷发生预测模型最优。(3)在预测设备是否发生缺陷的基础上,进一步预测设备可能发生缺陷的等级。同样使用上述五种机器学习算法对两种特征编码方法下的缺陷等级预测结果进行比较,并分析特征重要性。研究结果表明,加入基于评分卡模型的WOE特征编码,可以有效改善各算法的分类能力,随机森林、多层感知机和支持向量机精度提高0.05以上,集成树和线性分类分别提高0.01和0.02。但同样是随机森林表现最佳,精度达到0.78。因此,WOE_RF缺陷等级预测模型最优。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
电容设备论文参考文献
[1].李安训,王楠,扈翠宁.面向高压电容型设备绝缘在线检测系统的设计方法研究[J].企业科技与发展.2019
[2].张亚萌.电容型设备缺陷预测模型研究[D].电子科技大学.2019
[3].申松.基于数据融合的电容型设备预警研究[D].电子科技大学.2019
[4].李继伟,郭轶娜.面向高压电容型设备绝缘在线检测系统的设计方法研究[J].科技创新与应用.2018
[5].马志和,马武平,杨小红,白小锋.一种环氧树脂浸纸电容式套管绕制设备的研发设计[J].科技创新与应用.2018
[6].胡文杰.电容型设备绝缘在线监测系统设计研究[J].能源与环保.2018
[7].陈俊,刘卫东,顾乐,黄慧红,蒋汉儒.电容式电力设备局部放电高频和特高频综合在线检测[J].高压电器.2018
[8].刘书萌,冯国兵,王龙,陈俊凯.一种芯片电容高精度批量测试设备设计[J].信息技术与网络安全.2018
[9].王东亮,王奇林,王益涵.关于大容量电容装配过程残余电量释放设备的设计及应用[J].电子世界.2018
[10].陈晓勇,贺素刚,孙起.超级电容在矿用重型设备小型仪表上的供电研究[J].露天采矿技术.2018
论文知识图
