| 致谢 | 第1-6页 |
| 摘要 | 第6-8页 |
| ABSTRACT | 第8-14页 |
| 1 绪论 | 第14-34页 |
| ·课题研究的背景和意义 | 第14-16页 |
| ·变压器状态评估技术及研究现状 | 第16-27页 |
| ·变压器的常见故障类型及传统诊断方法 | 第16-19页 |
| ·基于DGA的变压器故障诊断技术及研究现状 | 第19-24页 |
| ·基于DGA的变压器故障预测技术及研究现状 | 第24-26页 |
| ·变压器运行状态评估技术及研究现状 | 第26-27页 |
| ·支持向量机的研究概况 | 第27-31页 |
| ·理论背景 | 第27-28页 |
| ·支持向量机的研究现状 | 第28-30页 |
| ·支持向量机在故障诊断中的应用研究 | 第30-31页 |
| ·论文的研究内容和结构安排 | 第31-34页 |
| 2 支持向量机理论 | 第34-54页 |
| ·引言 | 第34页 |
| ·机器学习理论概述 | 第34-37页 |
| ·机器学习问题的表示和经验风险最小化原则 | 第34-36页 |
| ·学习机器复杂性与推广能力 | 第36-37页 |
| ·统计学习理论概述 | 第37-39页 |
| ·学习机的VC维 | 第37-38页 |
| ·推广性的界 | 第38页 |
| ·结构风险最小化 | 第38-39页 |
| ·支持向量机的二分类原理 | 第39-45页 |
| ·最优分类超平面 | 第40-41页 |
| ·线性支持向量机 | 第41-43页 |
| ·非线性支持向量机 | 第43-45页 |
| ·支持向量机的回归方法 | 第45-48页 |
| ·回归及损失函数 | 第45-46页 |
| ·线性回归原理 | 第46-48页 |
| ·非线性回归原理 | 第48页 |
| ·支持向量机的基本求解算法 | 第48-51页 |
| ·块算法 | 第49页 |
| ·分解算法 | 第49-50页 |
| ·顺序最小优化算法 | 第50-51页 |
| ·支持向量机的特点 | 第51-52页 |
| ·本章小结 | 第52-54页 |
| 3 支持向量机在基于DGA的变压器故障诊断中的研究 | 第54-82页 |
| ·引言 | 第54页 |
| ·变压器的产气机理 | 第54-56页 |
| ·基于支持向量机的变压器故障诊断研究 | 第56-69页 |
| ·支持向量机的多分类算法 | 第56-60页 |
| ·基于支持向量机的变压器故障诊断方案 | 第60-62页 |
| ·一对一支持向量机在变压器故障诊断中的应用 | 第62-65页 |
| ·M-ary支持向量机在变压器故障诊断中的应用 | 第65-68页 |
| ·诊断结果分析 | 第68-69页 |
| ·改进的M-ary支持向量机模型 | 第69-72页 |
| ·总体思想 | 第69-70页 |
| ·仿真实例 | 第70-72页 |
| ·新模型在变压器故障诊断中的应用 | 第72页 |
| ·改进的遗传支持向量机在变压器故障诊断中的应用 | 第72-78页 |
| ·基本遗传算法简介 | 第72-75页 |
| ·改进的遗传支持向量机 | 第75-76页 |
| ·改进的遗传支持向量机用于变压器故障诊断 | 第76-78页 |
| ·模型的实际应用 | 第78-80页 |
| ·故障变压器1 | 第78-79页 |
| ·故障变压器2 | 第79-80页 |
| ·本章小结 | 第80-82页 |
| 4 支持向量机用于变压器的DGA故障预测研究 | 第82-114页 |
| ·引言 | 第82-83页 |
| ·常用预测模型 | 第83-90页 |
| ·最小二乘支持向量机模型 | 第90-91页 |
| ·以LS-SVM作为预测器的变压器油中气体体积分数预测 | 第91-98页 |
| ·模型的建立及应用实例 | 第91-93页 |
| ·LS-SVM模型相关问题的探讨 | 第93-98页 |
| ·以LS-SVM作为组合器的优选灰色、LS-SVM组合预测模型 | 第98-104页 |
| ·灰色模型的变形形式 | 第98-101页 |
| ·灰色模型变形形式的改进 | 第101-103页 |
| ·组合预测模型总体思想 | 第103-104页 |
| ·新模型在变压器油中气体体积分数预测中的应用 | 第104-112页 |
| ·应用实例1 | 第105-108页 |
| ·应用实例2 | 第108-112页 |
| ·本章小结 | 第112-114页 |
| 5 基于支持向量机的变压器运行状态评估研究 | 第114-142页 |
| ·引言 | 第114页 |
| ·状态评估方法 | 第114-118页 |
| ·变压器的运行状态分类 | 第118-119页 |
| ·基于评分法的模糊综合支持向量机模型 | 第119-126页 |
| ·变压器的评分细则 | 第119-121页 |
| ·基于评分法的模糊综合支持向量机总体思想 | 第121-123页 |
| ·新模型的具体应用 | 第123-126页 |
| ·基于成分分析法的支持向量机评估模型 | 第126-139页 |
| ·三种基本的成分分析法 | 第127-132页 |
| ·基于成分分析法和SVM的变压器运行状态评估模型及其应用 | 第132-136页 |
| ·改进的KPCA+SVM模型及其应用 | 第136-139页 |
| ·本章小结 | 第139-142页 |
| 6 结论 | 第142-144页 |
| 参考文献 | 第144-153页 |
| 附录A | 第153页 |
| 附录B | 第153-154页 |
| 附录C | 第154页 |
| 附录D | 第154-155页 |
| 附录E | 第155-156页 |
| 作者简历 | 第156-159页 |
| 学位论文数据集 | 第159页 |
