| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 课题研究的背景和意义 | 第9-10页 |
| 1.1.1 课题研究的背景 | 第9-10页 |
| 1.1.2 课题研究目的、工程应用价值 | 第10页 |
| 1.2 基于油中溶解气体分析(DGA)的变压器故障诊断智能方法研究现状 | 第10-12页 |
| 1.2.1 变压器故障诊断DGA方法的研究 | 第10页 |
| 1.2.2 基于油中溶解气体分析的智能诊断方法 | 第10-11页 |
| 1.2.3 变压器故障诊断智能方法国内外研究现状 | 第11-12页 |
| 1.3 本论文的工作内容和结构安排 | 第12-14页 |
| 第2章 油浸式电力变压器的故障类型及基于油中溶解气体分析的比值诊断方法 | 第14-17页 |
| 2.1 油浸式电力变压器的故障原因和常见故障类型 | 第14页 |
| 2.1.1 油浸式电力变压器的故障原因 | 第14页 |
| 2.1.2 油浸式电力变压器常见故障类型 | 第14页 |
| 2.2 基于油中溶解气体分析的比值诊断方法 | 第14-16页 |
| 2.2.1 变压器故障与油中溶解气体的关系 | 第15页 |
| 2.2.2 变压器有无故障的判断 | 第15页 |
| 2.2.3 变压器故障类型的判断-三比值法 | 第15-16页 |
| 2.2.4 对三比值法的评价 | 第16页 |
| 2.3 本章小结 | 第16-17页 |
| 第3章 模糊C均值聚类算法和遗传算法简介 | 第17-25页 |
| 3.1 模糊C均值聚类原理 | 第17-21页 |
| 3.1.1 模糊集理论概述 | 第17-18页 |
| 3.1.2 模糊C均值聚类算法 | 第18-20页 |
| 3.1.3 对模糊C均值聚类算法的评价 | 第20-21页 |
| 3.2 遗传算法简介 | 第21-24页 |
| 3.2.1 遗传算法概述 | 第21页 |
| 3.2.2 遗传算法的基本流程 | 第21-22页 |
| 3.2.3 遗传算法的主要内容 | 第22-23页 |
| 3.2.4 遗传算法性能的主要影响因素分析 | 第23-24页 |
| 3.3 本章小结 | 第24-25页 |
| 第4章 基于改进模糊C均值聚类的变压器故障诊断方法研究 | 第25-32页 |
| 4.1 变压器DGA数据的获取和规格化处理 | 第25页 |
| 4.2 应用模糊C均值聚类算法(FCM算法)进行变压器故障诊断 | 第25-26页 |
| 4.3 应用概率密度函数初始化聚类中心的模糊C均值聚类算法(PDFCM算法)进行变压器故障诊断 | 第26-28页 |
| 4.3.1 概率密度函数概述 | 第26页 |
| 4.3.2 概率密度函数初始化聚类中心算法流程 | 第26-27页 |
| 4.3.3 应用PDFCM算法进行变压器故障诊断 | 第27-28页 |
| 4.4 实验结果及分析 | 第28-31页 |
| 4.4.1 实验结果 | 第28-30页 |
| 4.4.2 实验结果分析 | 第30-31页 |
| 4.5 本章小结 | 第31-32页 |
| 第5章 应用动态遗传算法优化模糊C均值聚类分析的变压器故障诊断 | 第32-40页 |
| 5.1 动态遗传算法优化模糊C均值聚类算法(DGFCM算法)描述 | 第32-34页 |
| 5.1.1 染色体基因编码方式和染色体生成方式 | 第32页 |
| 5.1.2 聚类有效性函数和遗传适应度函数 | 第32-33页 |
| 5.1.3 FCM局部优化算子 | 第33页 |
| 5.1.4 选择算子 | 第33页 |
| 5.1.5 交叉算子 | 第33-34页 |
| 5.1.6 变异算子 | 第34页 |
| 5.2 DGFCM算法进行变压器故障诊断的流程 | 第34-35页 |
| 5.2.1 训练 | 第34页 |
| 5.2.2 测试 | 第34-35页 |
| 5.3 实验结果及分析 | 第35-38页 |
| 5.3.1 实验结果 | 第35-37页 |
| 5.3.2 DGFCM算法与PDFCM算法的对比分析 | 第37-38页 |
| 5.4 诊断实例 | 第38-39页 |
| 5.5 本章小结 | 第39-40页 |
| 第6章 总结和展望 | 第40-42页 |
| 6.1 总结 | 第40-41页 |
| 6.2 展望 | 第41-42页 |
| 致谢 | 第42-43页 |
| 参考文献 | 第43-45页 |
| 附录 变压器油色谱数据样本 | 第45-53页 |
