结合功率损耗法及行波分析的变压器匝间短路故障定位
摘要 | 第5-6页 |
Abstract | 第6页 |
第1章 绪论 | 第12-19页 |
1.1 变压器绕组故障诊断的背景及意义 | 第12-14页 |
1.2 国内外研究现状及其分析 | 第14-18页 |
1.3 本文的主要研究内容 | 第18-19页 |
第2章 基于功率损耗法的变压器匝间故障检测 | 第19-26页 |
2.1 引言 | 第19页 |
2.2 变压器功率损耗特性 | 第19-23页 |
2.2.1 功率损耗物理机理 | 第19-21页 |
2.2.2 正常状态下的功率损耗 | 第21-22页 |
2.2.3 故障状态下的功率损耗 | 第22-23页 |
2.3 变压器匝间短路故障检测 | 第23-25页 |
2.4 本章小结 | 第25-26页 |
第3章 行波故障定位基本理论 | 第26-35页 |
3.1 引言 | 第26页 |
3.2 行波基本概念 | 第26-31页 |
3.2.1 行波的波过程 | 第26-27页 |
3.2.2 行波的波阻抗和波速 | 第27-28页 |
3.2.3 行波的波动方程 | 第28-29页 |
3.2.4 行波的折射和反射 | 第29-31页 |
3.2.5 行波在传播过程中的衰减与畸变 | 第31页 |
3.3 行波在变压器绕组中的传播特性 | 第31-33页 |
3.4 行波故障定位方法原理 | 第33-34页 |
3.5 本章小结 | 第34-35页 |
第4章 基于行波分析的匝间短路故障定位 | 第35-57页 |
4.1 引言 | 第35页 |
4.2 信号降噪 | 第35-41页 |
4.2.1 噪声源 | 第35-36页 |
4.2.2 改进DEMD降噪法 | 第36-41页 |
4.3 基于波形相似度的信号特征提取 | 第41-50页 |
4.3.1 小波包分解 | 第41-45页 |
4.3.2 基于一直关联度的信号特征提取 | 第45-50页 |
4.4 基于能量比值的信号特征提取 | 第50-51页 |
4.5 基于神经网络的匝间短路故障定位 | 第51-56页 |
4.5.1 基于遗传算法优化的BP神经网络 | 第51-54页 |
4.5.2 故障定位 | 第54-56页 |
4.6 本章小结 | 第56-57页 |
第5章 实验与仿真 | 第57-72页 |
5.1 引言 | 第57页 |
5.2 匝间绝缘故障检测实验 | 第57-59页 |
5.2.1 实验分析与结论 | 第57-59页 |
5.2.2 故障检测的阈值处理 | 第59页 |
5.3 匝间短路故障定位仿真 | 第59-71页 |
5.3.1 多导体传输线理论知识 | 第60-61页 |
5.3.2 MTL模型参数计算 | 第61-63页 |
5.3.3 仿真实验模型构建 | 第63-64页 |
5.3.4 仿真实验及结果分析 | 第64-71页 |
5.4 本章小结 | 第71-72页 |
结论与展望 | 第72-74页 |
参考文献 | 第74-78页 |
致谢 | 第78-79页 |
附录A (攻读学位期间发表的学术论文目录) | 第79-80页 |
附录B (攻读学位期间参加的科研工作) | 第80页 |