| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 1 绪论 | 第10-16页 |
| ·电力变压器内部故障诊断的意义 | 第10-11页 |
| ·变压器DGA 故障诊断研究现状及发展趋势 | 第11页 |
| ·变压器人工智能诊断方法简介 | 第11-14页 |
| ·基于神经网络的绝缘故障诊断方法 | 第12页 |
| ·基于模糊理论的故障诊断方法 | 第12-13页 |
| ·基于灰色系统理论的故障诊断方法 | 第13-14页 |
| ·基于专家系统的故障诊断方法 | 第14页 |
| ·基于案例推理的故障诊断方法 | 第14页 |
| ·本文主要研究内容 | 第14-16页 |
| 2 以DGA 数据为特征量诊断变压器故障的原理研究 | 第16-24页 |
| ·变压器油中气体的产生及溶解机理和正常运行的含量 | 第16-18页 |
| ·变压器油中气体的产生机理分析 | 第16-17页 |
| ·气体在油中的溶解机理分析 | 第17-18页 |
| ·正常运行时变压器特征气体含量 | 第18页 |
| ·变压器常见的故障类型分析 | 第18-21页 |
| ·导电回路过热故障 | 第18-19页 |
| ·导磁回路过热故障 | 第19-20页 |
| ·涉及固体绝缘放电故障 | 第20页 |
| ·不涉及固体绝缘放电故障 | 第20-21页 |
| ·变压器内部故障与DGA 数据的关系 | 第21-23页 |
| ·热性故障 | 第22页 |
| ·电性故障 | 第22页 |
| ·受潮 | 第22-23页 |
| ·小结 | 第23-24页 |
| 3 加权模糊核聚类法在变压器故障诊断中的应用 | 第24-37页 |
| ·加权模糊核聚类法理论分析 | 第24-29页 |
| ·Mercer核 | 第24-25页 |
| ·基于样本相似度的特征加权 | 第25-28页 |
| ·加权模糊核聚类算法（WFKC） | 第28-29页 |
| ·加权模糊核聚类法在变压器故障诊断模型 | 第29-31页 |
| ·故障特征气体及故障类型的选择与确定 | 第29页 |
| ·特征气体数据规格化 | 第29-30页 |
| ·加权模糊核聚类法在变压器故障诊断模型的建立 | 第30-31页 |
| ·实例分析 | 第31-36页 |
| ·数值试验 | 第31-32页 |
| ·加权模糊核聚类法在变压器故障诊断实例与分析 | 第32-36页 |
| ·小结 | 第36-37页 |
| 4 案例推理理论分析 | 第37-46页 |
| ·案例推理数学机理研究 | 第37-41页 |
| ·案例推理的理论基础 | 第37-38页 |
| ·案例推理的工作过程分析 | 第38-39页 |
| ·案例推理的几个关键技术分析 | 第39-41页 |
| ·案例推理与其他智能方法的比较 | 第41-43页 |
| ·案例推理在变压器故障诊断中的应用现状分析 | 第43-45页 |
| ·选择其他人工智能算法改进变压器故障诊断的案例检索效率 | 第43-44页 |
| ·综合案例推理及其它人工智能方法的变压器故障诊断系统 | 第44-45页 |
| ·小结 | 第45-46页 |
| 5 基于案例推理的变压器故障诊断系统研究 | 第46-59页 |
| ·基于案例推理的变压器故障诊断系统构思 | 第46-51页 |
| ·基于案例推理的变压器故障诊断流程 | 第47-48页 |
| ·基于案例推理的变压器故障分类 | 第48-49页 |
| ·基于案例推理的变压器故障案例库的建立 | 第49-50页 |
| ·基于案例推理的变压器故障诊断模式的建立 | 第50-51页 |
| ·基于案例推理的变压器故障诊断系统的建立 | 第51-56页 |
| ·基于案例推理的变压器故障诊断系统中特征气体的选取及数据规格化处理 | 第51页 |
| ·基于案例推理的变压器故障诊断系统 | 第51-56页 |
| ·基于案例推理的变压器故障诊断结果分析 | 第56-58页 |
| ·诊断结果分析 | 第56-57页 |
| ·具体实例分析 | 第57-58页 |
| ·小结 | 第58-59页 |
| 6 结论与展望 | 第59-61页 |
| ·结论 | 第59页 |
| ·展望 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 附录 | 第65-71页 |
| 致谢 | 第71-72页 |
| 在攻读研究生期间发表的论文和科研工作 | 第72页 |
