全文总字数：1945字
1. 毕业设计（论文）主要内容：
1. 调研配电网FTU组成结构和当前国内外针对FTU的健康状态评估方法调研FTU组成架构。
调研当前状态评价发展趋势与存在问题。
2. 形成多维度的FTU的状态评价指标结合FTU组成结构，形成多维度的FTU的状态评价指标。
2. 毕业设计（论文）主要任务及要求
1. 翻译与本课题相关的英文资料；2. 查阅文献资料，撰写开题报告，要求了解深度学习的发展历史、现状及趋势，并理解将深度学习技术应用在FTU状态评估中背景和意义；3. 通过本课题的训练，培养学生动手能力、分析问题及解决问题的能力，重点是搭建基于卷积神经网络的FTU的健康状态评估算法的解决方法和措施；4. 利用计算机编程语言，实现卷积神经网络建模；5. 撰写毕业设计，体现卷积神经网络技术在实际FTU健康状态的交叉应用；体现技术评估准确性；6. 自主完成毕业设计内容，同时积极参与课题研讨，提高专业表达能力，提高自身的发展能力。
3. 毕业设计（论文）完成任务的计划与安排
第一周至第三周：调研FTU组成架构。
调研当前状态评价发展趋势与存在问题第四周至第七周：形成多维度的FTU的状态评价指标第八周至第十一周：搭建基于卷积神经网络的FTU的健康状态评估模型，并训练该健康状态状态评估模型，调用新的数据集验证模型，提升算法预测精确度。
第十二周至第十六周：撰写毕业论文，完成结题答辩。
4. 主要参考文献
[1] 元尼东珠，杨浩，房红征.．基于卷积神经网络的发动机故障预测方法[J]．计算机测量与控制，2019,27(10):74-78..[2] 王丽娟．基于深度卷积神经网络的绝缘子故障检测算法研究[D]．天津:天津工业大学，2018．[3] 徐丙根．配电网继电保护与自动化[M]．中国电力出版社，2017.[4] 邹贵彬,高厚磊,许春华, 等.馈线自动化自适应快速保护控制方案[J].电网技术,2013,(10):2920-2925.
[5]杨志淳,靖晓平,乐健,等.基于MI-PSO-BP 算法的配电设备状态实时评估方法[J].电力自动化设备，2019,39(12): 108-113.[6]袁汉杰,李更丰,龙涛,等.计及状态估计与可观性的电力系统可靠性评估[J].电网技术,2019,43(12):4274-4282.
[7] Shafiq, M;Kauhaniemi, K;Robles, G; et al. Online condition monitoring of MV cable feeders using Rogowski coilsensors for PD measurements[J]. Electric Power Systems Research, 2019(167): 150-162.[8] Bakdi, Azzeddine;Kouadri, Abdelmalek;Mekhilef, Saad. A data-driven algorithm for online detection of component and system faults in modern wind turbines at different operating zones[J]. Renewable and Sustainable Energy Reviews, 2019(103): 546-555.[9] Zhichun, Yang;Yu, Shen;Fan, Yang; et al. A comprehensive real‐time state evaluation strategy for distribution equipment based on MI‐PSO‐BP algorithm[J].A comprehensive real‐time state evaluation strategy for distribution equipment based on MI‐PSO‐BP algorithm[J]. International Transactions on Electrical Energy Systems, 2019:e12108.
以上是毕业论文任务书，课题毕业论文、开题报告、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
