| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第13-23页 |
| 1.1 课题的研究背景及意义 | 第13-15页 |
| 1.2 国内外变压器保护研究现状 | 第15-21页 |
| 1.2.1 基于电流量的变压器保护技术 | 第15-18页 |
| 1.2.2 基于电压波形特征变压器保护技术 | 第18页 |
| 1.2.3 基于人工智能算法的变压器保护技术 | 第18-21页 |
| 1.2.4 支持向量机(SVM)变压器保护研究现状 | 第21页 |
| 1.3 本论文主要研究工作 | 第21-23页 |
| 2 变压器继电保护故障诊断基本原理 | 第23-33页 |
| 2.1 故障诊断的基本原理 | 第23-24页 |
| 2.2 电力系统故障类型概述 | 第24-25页 |
| 2.2.1 电力输电线故障类型 | 第24页 |
| 2.2.2 母线故障类型 | 第24-25页 |
| 2.2.3 变压器故障类型 | 第25页 |
| 2.3 继电保护元件的故障特性分析 | 第25-31页 |
| 2.3.1 电力输电线故障特性分析 | 第26-27页 |
| 2.3.2 母线故障特性分析 | 第27-29页 |
| 2.3.3 变压器故障特性分析 | 第29-31页 |
| 2.4 本章小结 | 第31-33页 |
| 3 统计学和SVM的基本原理 | 第33-45页 |
| 3.1 统计学理论 | 第33-36页 |
| 3.1.1 经验风险最小化 | 第33-34页 |
| 3.1.2 复杂性与推广能力 | 第34页 |
| 3.1.3 VC维 | 第34-35页 |
| 3.1.4 结构风险最小化 | 第35-36页 |
| 3.2 支持向量机原理 | 第36-42页 |
| 3.2.1 最大间隔线性分类器 | 第36-37页 |
| 3.2.2 最优分类超平面 | 第37-38页 |
| 3.2.3 线性可分支持向量机 | 第38-39页 |
| 3.2.4 线性不可分支持向量机 | 第39-40页 |
| 3.2.5 非线性支持向量机 | 第40-42页 |
| 3.3 核函数的选择 | 第42-43页 |
| 3.4 本章总结 | 第43-45页 |
| 4 变压器保护模型的建立和优化算法研究 | 第45-65页 |
| 4.1 概述 | 第45页 |
| 4.2 励磁涌流的判定及仿真 | 第45-50页 |
| 4.2.1 PSCAD/EMTDC电磁暂态仿真软件 | 第45-46页 |
| 4.2.2 励磁涌流分类 | 第46-50页 |
| 4.3 变压器故障诊断模型 | 第50-53页 |
| 4.3.1 特征量选取 | 第51-52页 |
| 4.3.2 变压器故障诊断方法 | 第52-53页 |
| 4.4 支持向量机相关参数优化算法研究 | 第53-63页 |
| 4.4.1 基于网格搜索算法的SVM参数优化 | 第54-55页 |
| 4.4.2 基于遗传算法的SVM参数优化 | 第55-59页 |
| 4.4.3 基于粒子群算法的SVM参数优化 | 第59-63页 |
| 4.5 本章总结 | 第63-65页 |
| 5 基于SVM变压器故障诊断系统设计 | 第65-75页 |
| 5.1 变压器故障诊断系统总体设计 | 第65-67页 |
| 5.1.1 系统的架构设计 | 第65-66页 |
| 5.1.2 系统的功能设计 | 第66-67页 |
| 5.2 变压器故障诊断系统系统实现方案 | 第67-70页 |
| 5.3 实验结果分析 | 第70-73页 |
| 5.4 本章总结 | 第73-75页 |
| 6 总结与展望 | 第75-77页 |
| 6.1 总结 | 第75-76页 |
| 6.2 后续研究展望 | 第76-77页 |
| 参考文献 | 第77-81页 |
| 致谢 | 第81-83页 |
| 作者简介及读研期间主要科研成果 | 第83页 |