摘要 | 第1-9页 |
Abstract | 第9-10页 |
第1章 绪论 | 第10-15页 |
1.1 研究背景及意义 | 第10-11页 |
1.2 变压器在线监测及其发展现状 | 第11-13页 |
1.2.1 在线监测的必要性 | 第11-12页 |
1.2.2 在线监测的发展阶段 | 第12页 |
1.2.3 电力变压器主要监测参量 | 第12-13页 |
1.3 人工神经网络的发展及其在油色谱故障诊断中的应用 | 第13-14页 |
1.4 本文的课题来源及主要章节的安排 | 第14-15页 |
第2章 油中气体在线监测故障诊断原理 | 第15-24页 |
2.1 产气机理 | 第15-17页 |
2.1.1 变压器油裂化及产气 | 第15页 |
2.1.2 固体绝缘材料的分解及产气 | 第15-16页 |
2.1.3 气体在油中的溶解 | 第16-17页 |
2.2 电力设备故障与油中特征气体的关系 | 第17-18页 |
2.2.1 热性故障时的特征气体 | 第17-18页 |
2.2.2 放电性故障时的特征气体 | 第18页 |
2.3 在线监测色谱数据的获取 | 第18-23页 |
2.3.1 油气分离单元 | 第19-21页 |
2.3.2 混合气体分离单元 | 第21-22页 |
2.3.3 气敏传感单元 | 第22-23页 |
2.4 小结 | 第23-24页 |
第3章 油中溶解气体在线监测控制系统设计 | 第24-40页 |
3.1 系统组成 | 第24-25页 |
3.2 控制模块硬件设计 | 第25-31页 |
3.2.1 色谱监测控制模块硬件设计 | 第25-28页 |
3.2.2 通讯控制器模块硬件设计 | 第28-31页 |
3.3 控制系统软件设计 | 第31-34页 |
3.4 通讯协议 | 第34-37页 |
3.4.1 CAN数据帧的划分 | 第34-35页 |
3.4.2 链路规约控制信息格式 | 第35-37页 |
3.4.3 ASDU中数据和参数的类型 | 第37页 |
3.5 系统抗干扰设计 | 第37-39页 |
3.6 小结 | 第39-40页 |
第4章 DGA常规故障诊断方法 | 第40-47页 |
4.1 基于 DGA的比值诊断方法 | 第40-44页 |
4.1.1 三比值法 | 第40-42页 |
4.1.2 基于比值其他诊断方法 | 第42-44页 |
4.2 其他诊断方法 | 第44-46页 |
4.2.1 模糊综合评判诊断方法 | 第44-45页 |
4.2.2 故障诊断专家系统 | 第45-46页 |
4.3 小结 | 第46-47页 |
第5章 基于 DGA的神经网络故障诊断 | 第47-66页 |
5.1 神经网络原理 | 第47-51页 |
5.1.1 神经元模型 | 第47-48页 |
5.1.2 神经网络的类型 | 第48页 |
5.1.3 神经网络学习规则 | 第48-50页 |
5.1.4 神经网络系统的稳定性 | 第50-51页 |
5.2 BP神经网络结构及算法 | 第51-54页 |
5.2.1 BP网络的训练 | 第51-53页 |
5.2.2 BP算法缺陷及其改进算法 | 第53-54页 |
5.3 RBF神经网络结构及算法 | 第54-56页 |
5.3.1 RBF网络结构 | 第54-55页 |
5.3.2 RBF网络学习算法 | 第55-56页 |
5.4 复合 BP网络在变压器色谱故障诊断中的应用 | 第56-65页 |
5.4.1 复合 BP网络模型建立 | 第57-58页 |
5.4.2 数据输入处理 | 第58-59页 |
5.4.3 聚类算法的实现 | 第59-62页 |
5.4.4 BP网络层建立 | 第62-64页 |
5.4.5 网络输出数据处理 | 第64-65页 |
5.5 小结 | 第65-66页 |
第6章 系统集成及故障诊断实例 | 第66-72页 |
6.1 上位机软件设计 | 第66-68页 |
6.1.1 软件整体构架 | 第66-67页 |
6.1.2 复合神经网络模型知识库的建立 | 第67页 |
6.1.3 VB与MODEM通讯实现 | 第67-68页 |
6.2 系统运行诊断实例 | 第68-71页 |
6.2.1 在线诊断实例 | 第68-69页 |
6.2.2 离线诊断实例 | 第69-71页 |
6.3 小结 | 第71-72页 |
结论 | 第72-74页 |
参考文献 | 第74-78页 |
致谢 | 第78-79页 |
附录A(攻读学位期间所发表的学术论文目录) | 第79-80页 |
附录B(试验样本色谱数据) | 第80-81页 |