| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 课题背景及意义 | 第9-11页 |
| 1.2 基于油色谱分析的电力变压器故障诊断方法的研究现状 | 第11-14页 |
| 1.2.1 基于DGA数据的传统诊断方法 | 第11-12页 |
| 1.2.2 基于DGA数据的智能诊断方法 | 第12-14页 |
| 1.3 主要研究内容 | 第14-17页 |
| 第二章 基于油中色谱分析的电力变压器故障诊断 | 第17-27页 |
| 2.1 应用油色谱分析故障的原理 | 第17-18页 |
| 2.2 变压器油中气体的产生原理 | 第18-21页 |
| 2.2.1 产气原理 | 第18-20页 |
| 2.2.2 气体在油中溶解的传质过程 | 第20-21页 |
| 2.3 变压器故障与特征气体的关系 | 第21-23页 |
| 2.3.1 变压器故障的分类 | 第21-23页 |
| 2.3.2 特征气体与故障的关系 | 第23页 |
| 2.4 有无故障的判断 | 第23-25页 |
| 2.5 本章小结 | 第25-27页 |
| 第三章 基于比值法与基因表达式编程诊断变压器故障 | 第27-39页 |
| 3.1 概述 | 第27页 |
| 3.2 比值法的介绍 | 第27-28页 |
| 3.2.1 Dornenburg四比值判断法 | 第27-28页 |
| 3.2.2 三比值法 | 第28页 |
| 3.3 GEP原理简述 | 第28-29页 |
| 3.4 两种比值法的比较分析 | 第29-30页 |
| 3.5 故障诊断方法 | 第30-34页 |
| 3.5.1 对放电性故障与过热性故障的区分 | 第30-33页 |
| 3.5.2 故障点温度高低的区分 | 第33页 |
| 3.5.3 放电性故障能量密度高低的区分 | 第33-34页 |
| 3.6 实例验证分析 | 第34-37页 |
| 3.7 本章小结 | 第37-39页 |
| 第四章 基于累积频率与BP神经网络的变压器故障诊断 | 第39-55页 |
| 4.1 概述 | 第39页 |
| 4.2 BP神经网络介绍 | 第39-42页 |
| 4.2.1 BP网络结构 | 第39-40页 |
| 4.2.2 BP网络学习算法 | 第40-42页 |
| 4.3 累积频率概念介绍 | 第42-43页 |
| 4.4 样本数据的搜集及整理 | 第43-47页 |
| 4.4.1 样本数据收集原则 | 第43-44页 |
| 4.4.2 故障样本的整理 | 第44页 |
| 4.4.3 故障样本的归一化处理 | 第44-47页 |
| 4.5 基于BP网络的变压器故障诊断模型 | 第47-50页 |
| 4.5.1 输入及输出向量的确定 | 第47-48页 |
| 4.5.2 激活函数及隐层节点数的确定 | 第48-49页 |
| 4.5.3 学习函数的确定 | 第49-50页 |
| 4.6 仿真结果及实例分析 | 第50-53页 |
| 4.6.1 原始训练样本集的建立 | 第51页 |
| 4.6.2 累积频率概念的应用 | 第51-52页 |
| 4.6.3 实例分析 | 第52-53页 |
| 4.7 本章小结 | 第53-55页 |
| 第五章 油色谱分析在故障诊断中的应用 | 第55-61页 |
| 5.1 概述 | 第55页 |
| 5.2 故障诊断软件的开发 | 第55-57页 |
| 5.3 实例分析与应用 | 第57-59页 |
| 5.3.1 故障诊断与分析 | 第57-58页 |
| 5.3.2 应用变压器油色谱分析诊断故障类型 | 第58页 |
| 5.3.3 检查结果及故障原因分析 | 第58-59页 |
| 5.3.4 故障处理 | 第59页 |
| 5.4 本章小结 | 第59-61页 |
| 第六章 结论 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 攻读学位期间所取得的相关科研成果 | 第67-69页 |
| 致谢 | 第69页 |