| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 1 绪论 | 第10-14页 |
| ·论文研究背景 | 第10-11页 |
| ·课题研究目的和意义 | 第11页 |
| ·国内外研究现状、发展动态 | 第11-12页 |
| ·论文研究主要内容 | 第12-13页 |
| ·论文研究的预期目标 | 第13-14页 |
| 2 变压器局部放电在线监测关键技术 | 第14-22页 |
| ·变压器局部放电故障的基本原理 | 第14-15页 |
| ·电力变压器局部放电超高频在线监测技术分析 | 第15页 |
| ·局部放电超高频信号的数字化抗干扰方法 | 第15-18页 |
| ·有限脉冲响应（FIR）滤波器技术 | 第16页 |
| ·无限冲击响应(ⅡR)滤波器技术 | 第16页 |
| ·小波分析技术 | 第16-18页 |
| ·脉冲电流法测量局部放电图谱分析 | 第18-20页 |
| ·局部放电类型的模式识别方法 | 第20-22页 |
| 3 基于遗传算法的变压器局部放电故障分析 | 第22-34页 |
| ·遗传算法基础 | 第22-26页 |
| ·模式定理 | 第22-23页 |
| ·模式定理分析 | 第23-25页 |
| ·遗传算法的优点 | 第25-26页 |
| ·遗传算法实现 | 第26-29页 |
| ·编码方法 | 第26-27页 |
| ·适应度函数 | 第27页 |
| ·遗传算子 | 第27-28页 |
| ·遗传算法扥初始运行参数 | 第28-29页 |
| ·遗传算法故障诊断仿真 | 第29-34页 |
| ·局部放电监测数据初步分析 | 第29-30页 |
| ·遗传算法构建 | 第30-32页 |
| ·实例分析 | 第32-34页 |
| 4 基于神经网络的变压器局部放电故障分析 | 第34-50页 |
| ·BP神经网络 | 第34-37页 |
| ·BP神经网络方法 | 第34-35页 |
| ·BP算法的实现步骤 | 第35-37页 |
| ·遗传算法优化BP神经网络的变压器放电故障诊断模型 | 第37-41页 |
| ·训练样本的获取 | 第37页 |
| ·输入输出模式的设计 | 第37-38页 |
| ·BP网络隐含层数及隐含层神经元数的确定 | 第38-40页 |
| ·样本数据的处理 | 第40-41页 |
| ·样本的GA算法 | 第41-43页 |
| ·编码方式的选择 | 第41页 |
| ·适应度函数的设计 | 第41页 |
| ·选择策略 | 第41-42页 |
| ·模糊动态调节杂交率和变异率 | 第42-43页 |
| ·遗传算法优化BP神经网络诊断模型的实现 | 第43-45页 |
| ·遗传算法优化BP神经网络的软件实现程序 | 第43-44页 |
| ·遗传算法学习BP网络的步骤 | 第44-45页 |
| ·变压器放电故障诊断仿真 | 第45-50页 |
| ·故障诊断系统的仿真分析 | 第45-47页 |
| ·故障诊断系统的测试 | 第47-50页 |
| 5 变压器局部放电故障诊断专家软件设计 | 第50-56页 |
| ·变压器智能在线监测及故障诊断系统软件实现 | 第50页 |
| ·专家软件基础 | 第50页 |
| ·专家软件功能 | 第50页 |
| ·主功能模块设计 | 第50-54页 |
| ·当前数据显示模块 | 第51页 |
| ·历史数据显示模块 | 第51-52页 |
| ·放电谱分析显示模块 | 第52页 |
| ·故障诊断模块 | 第52-53页 |
| ·生成报表模块 | 第53页 |
| ·退出模块 | 第53-54页 |
| ·应用实例 | 第54-56页 |
| 6 总结与展望 | 第56-58页 |
| ·总结 | 第56页 |
| ·展望 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 附录 | 第62-65页 |
| 攻读学位期间发表的学术论文 | 第65-66页 |
| 致谢 | 第66页 |