人工神经网络在变压器油中溶解气体分析中的应用研究
| 致谢 | 第1-6页 |
| 中文摘要 | 第6-7页 |
| ABSTRACT | 第7-10页 |
| 1 绪论 | 第10-16页 |
| ·课题研究的背景与意义 | 第10-11页 |
| ·变压器DGA技术研究现状 | 第11-14页 |
| ·变压器DGA技术 | 第11-12页 |
| ·基于DGA的变压器故障诊断研究现状 | 第12-13页 |
| ·基于DGA的变压器故障预测研究现状 | 第13-14页 |
| ·本文研究工作 | 第14-16页 |
| 2 变压器故障诊断与预测技术 | 第16-22页 |
| ·变压器故障诊断综述 | 第16-18页 |
| ·变压器的绝缘结构 | 第16页 |
| ·变压器运行中常见的故障 | 第16-17页 |
| ·变压器内部故障类型与油中溶解气体的关系 | 第17-18页 |
| ·基于DGA的变压器故障诊断 | 第18-20页 |
| ·变压器故障诊断的定义和意义 | 第18页 |
| ·常用的三比值法 | 第18-20页 |
| ·人工神经网络在变压器故障诊断中的应用 | 第20页 |
| ·基于DGA的变压器故障预测 | 第20-21页 |
| ·变压器故障预测定义与意义 | 第20-21页 |
| ·人工神经网络在变压器故障预测中的应用 | 第21页 |
| ·小结 | 第21-22页 |
| 3 人工神经网络 | 第22-30页 |
| ·人工神经网络概述 | 第22页 |
| ·BP网络 | 第22-25页 |
| ·BP网络的拓扑结构 | 第22-23页 |
| ·BP网络的训练过程概述 | 第23-24页 |
| ·BP网络算法的改进研究 | 第24-25页 |
| ·RBF网络 | 第25-29页 |
| ·RBF网络模型 | 第25-27页 |
| ·RBF网络的学习算法 | 第27-29页 |
| ·小结 | 第29-30页 |
| 4 变压器故障诊断 | 第30-46页 |
| ·用于变压器故障诊断的BP网络设计 | 第30-37页 |
| ·输入输出数据的确定 | 第30-32页 |
| ·用于故障诊断的BP网络设计 | 第32-34页 |
| ·改进的组合BP网络设计 | 第34-37页 |
| ·实例分析 | 第37-45页 |
| ·BP网络训练及结果分析 | 第37-40页 |
| ·组合BP网络训练及结果分析 | 第40-45页 |
| ·小结 | 第45-46页 |
| 5 变压器故障预测 | 第46-64页 |
| ·多变量预测 | 第46-52页 |
| ·多变量预测概述 | 第46页 |
| ·BP网络在多变量预测中的应用 | 第46-48页 |
| ·RBF网络在多变量预测中的应用 | 第48-49页 |
| ·实例分析 | 第49-52页 |
| ·组合预测 | 第52-63页 |
| ·组合预测概述 | 第52-53页 |
| ·灰色神经网络模型 | 第53-55页 |
| ·最优组合预测模型 | 第55-56页 |
| ·基于BP网络的变权组合模型 | 第56-57页 |
| ·实例分析 | 第57-63页 |
| ·小结 | 第63-64页 |
| 6 系统软件开发 | 第64-69页 |
| ·系统的主要功能 | 第64-65页 |
| ·系统的软件介绍 | 第65-66页 |
| ·系统的使用 | 第66-69页 |
| 7 结论与展望 | 第69-71页 |
| 参考文献 | 第71-74页 |
| 附录 A | 第74-76页 |
| 作者简历 | 第76-78页 |
| 学位论文数据集 | 第78页 |
