| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 1 前言 | 第9-14页 |
| ·变压器故障辨识的意义 | 第9页 |
| ·国内外研究现状 | 第9-13页 |
| ·本文主要研究内容 | 第13-14页 |
| 2 变压器故障分析及主要辨识方法研究 | 第14-23页 |
| ·变压器过热故障的原因及部位 | 第14页 |
| ·变压器油中溶解气体的产生与溶解的传质过程 | 第14-17页 |
| ·变压器油中气体的产生机理 | 第14-15页 |
| ·气体在变压器油中的溶解 | 第15-17页 |
| ·变压器油中溶解气体分析(DGA)常用方法 | 第17-20页 |
| ·特征气体法 | 第17页 |
| ·比例法(IEC三比值法) | 第17-18页 |
| ·电力变压器故障辨识的Rogers法 | 第18-19页 |
| ·TCG方法 | 第19-20页 |
| ·人工智能技术在变压器故障辨识中的应用 | 第20-21页 |
| ·神经网络故障辨识法 | 第20-21页 |
| ·基于进化优化算法的故障辨识方法 | 第21页 |
| ·本章小结 | 第21-23页 |
| 3 蚁群优化算法理论及其发展应用 | 第23-29页 |
| ·蚁群算法原理 | 第23-26页 |
| ·蚁群算法的特点 | 第26页 |
| ·蚁群算法与其他基于种群进化算法的比较 | 第26-28页 |
| ·蚁群算法的应用进展 | 第28页 |
| ·本章小结 | 第28-29页 |
| 4 应用人工神经网络进行变压器故障辨识研究 | 第29-43页 |
| ·人工神经网络在电力系统中的应用发展 | 第29-30页 |
| ·神经网络基本概念 | 第30-32页 |
| ·BP网络及其算法 | 第32-35页 |
| ·BP网络结构 | 第32-33页 |
| ·BP网络的学习算法 | 第33-35页 |
| ·基于人工神经网络的变压器故障系统仿真 | 第35-42页 |
| ·神经网络结构的确定 | 第35-36页 |
| ·收集故障样本 | 第36-38页 |
| ·样本预处理 | 第38-40页 |
| ·BP神经网络进行变压器故障辨识 | 第40-42页 |
| ·本章小结 | 第42-43页 |
| 5 基于蚁群算法的改进神经网络系统ACONN系统研究 | 第43-61页 |
| ·蚁群神经网络ACONN系统模型设计 | 第43-49页 |
| ·蚁群算法的基本模型 | 第43-45页 |
| ·蚁群算法优化神经网络模型的建立 | 第45-48页 |
| ·ACONN系统与传统蚁群算法优化区别 | 第48-49页 |
| ·ACONN系统优化程序设计 | 第49-53页 |
| ·ACONN混合系统的特殊性及编码方式 | 第50-51页 |
| ·ACONN混合系统的参数选取 | 第51-53页 |
| ·应用ACONN混合系统进行变压器故障辨识 | 第53-58页 |
| ·基于ACONN混合系统的故障辨识流程 | 第53页 |
| ·故障样本的采集与预处理 | 第53页 |
| ·ACONN原始神经网络的建立 | 第53-54页 |
| ·用蚁群算法优化神经网络构建ACONN系统 | 第54-57页 |
| ·ACONN神经网络进行故障辨识 | 第57-58页 |
| ·ACONN与ANN在变压器故障辨识中的比较分析 | 第58-59页 |
| ·ACONN系统与IEC三比值法在变压器故障辨识中比较分析 | 第59-60页 |
| ·本章小结 | 第60-61页 |
| 结论 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 致谢 | 第67-69页 |
| 附录A ACONN系统仿真程序 | 第69-76页 |