| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-18页 |
| 1.1 课题研究背景及意义 | 第11-13页 |
| 1.2 国内外研究现状 | 第13-16页 |
| 1.2.1 变压器顶层油温计算及预测方法的研究现状 | 第13-15页 |
| 1.2.2 辅助调度员决策技术的研究现状 | 第15-16页 |
| 1.3 论文主要工作 | 第16-17页 |
| 1.4 本章小结 | 第17-18页 |
| 第2章 油浸式电力变压器热特性分析 | 第18-26页 |
| 2.1 油浸式电力变压器损耗 | 第18-19页 |
| 2.1.1 油浸式电力变压器的负载损耗 | 第18-19页 |
| 2.1.2 油浸式电力变压器的空载损耗 | 第19页 |
| 2.2 油浸式电力变压器温升限值 | 第19-22页 |
| 2.3 油浸式电力变压器绕组、铁芯及变压器油热行为分析 | 第22-24页 |
| 2.4 油浸式电力变压器冷却方式 | 第24-25页 |
| 2.5 本章小结 | 第25-26页 |
| 第3章 油浸式电力变压器顶层油温改进计算方法研究 | 第26-41页 |
| 3.1 油浸式电力变压器顶层油温特点 | 第26-27页 |
| 3.2 变压器顶层油温计算模型分析 | 第27-32页 |
| 3.2.1 国标中变压器顶层油温计算模型 | 第27-29页 |
| 3.2.2 变压器顶层油温升模型 | 第29-30页 |
| 3.2.3 变压器顶层油温的线性化模型 | 第30-32页 |
| 3.2.4 变压器顶层油温的半物理模型 | 第32页 |
| 3.3 变压器顶层油温改进计算模型 | 第32-34页 |
| 3.4 实例分析 | 第34-40页 |
| 3.5 本章小结 | 第40-41页 |
| 第4章 Elman神经网络在变压器顶层油温预测中的应用 | 第41-54页 |
| 4.1 Elman神经网络基本理论 | 第41-43页 |
| 4.1.1 神经网络发展历程 | 第41页 |
| 4.1.2 BP神经网络算法 | 第41-42页 |
| 4.1.3 Elman神经网络介绍 | 第42-43页 |
| 4.2 变压器顶层油温特征参量选取 | 第43-46页 |
| 4.2.1 顶层油温影响因素 | 第43-44页 |
| 4.2.2 灰色关联度分析 | 第44-46页 |
| 4.3 基于Elman神经网络的顶层油温预测模型建立 | 第46-49页 |
| 4.3.1 网络结构确定及预处理 | 第46-47页 |
| 4.3.2 网络设计 | 第47-49页 |
| 4.4 实例分析 | 第49-53页 |
| 4.5 本章小结 | 第53-54页 |
| 第5章 辅助调度员决策分析与研究 | 第54-65页 |
| 5.1 辅助调度员决策研究背景 | 第54-60页 |
| 5.1.1 变压器在线监测故障分析 | 第54-58页 |
| 5.1.2 辅助调度员决策研究对象 | 第58-60页 |
| 5.2 辅助调度员决策研究方法 | 第60-62页 |
| 5.2.1 辅助调度员决策具体流程 | 第60-61页 |
| 5.2.2 辅助调度员决策实现方法 | 第61-62页 |
| 5.3 辅助调度员决策建议 | 第62-63页 |
| 5.4 辅助调度员决策实施效益 | 第63-64页 |
| 5.5 本章小结 | 第64-65页 |
| 结论及展望 | 第65-67页 |
| 致谢 | 第67-68页 |
| 参考文献 | 第68-73页 |
| 攻读硕士学位期间发表的学术论文和参与的项目 | 第73页 |
