电力变压器的智能化故障诊断识别研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题的背景与意义 | 第10-11页 |
| 1.2 国内外研究现状及发展动态分析 | 第11-14页 |
| 1.3 课题研究内容 | 第14-16页 |
| 第2章 基于灰色理论模型的变压器的故障预测 | 第16-29页 |
| 2.1 灰色系统的特点 | 第16页 |
| 2.2 灰色系统的建模机理 | 第16-17页 |
| 2.3 灰色系统的预测模型 | 第17-22页 |
| 2.3.1 GM(1,1)预测模型 | 第17-18页 |
| 2.3.2 灰色 Verhulst 预测模型 | 第18-19页 |
| 2.3.3 GM(1,1)非等间隔灰色预测模型 | 第19-20页 |
| 2.3.4 GM(1,m)灰色多变量预测模型 | 第20-21页 |
| 2.3.5 GM(1,m)预测模型精度检验 | 第21-22页 |
| 2.4 改进 GM(1,m)预测模型 | 第22-24页 |
| 2.4.1 数据的生成 | 第22页 |
| 2.4.2 多个变量灰关联度 | 第22-23页 |
| 2.4.3 预测模型背景值优化 | 第23页 |
| 2.4.4 优化后背景值建模 | 第23-24页 |
| 2.5 基于灰色理论的变压器故障诊断 | 第24-26页 |
| 2.5.1 故障预测 | 第24-26页 |
| 2.5.2 精度校验 | 第26页 |
| 2.6 故障诊断 | 第26-28页 |
| 2.7 本章小结 | 第28-29页 |
| 第3章 基于神经网络的变压器故障诊断 | 第29-38页 |
| 3.1 神经元模型 | 第29-30页 |
| 3.2 BP 神经网络 | 第30-34页 |
| 3.2.1 BP 神经网络模型 | 第30-32页 |
| 3.2.2 改进 BP 神经网络 | 第32-34页 |
| 3.3 基于神经网络的变压器的故障诊断 | 第34-37页 |
| 3.3.1 网络拓扑结构 | 第34-35页 |
| 3.3.2 网络训练 | 第35-36页 |
| 3.3.3 诊断算例分析 | 第36-37页 |
| 3.4 本章小结 | 第37-38页 |
| 第4章 基于模糊数学理论的变压器故障诊断 | 第38-49页 |
| 4.1 模糊数学基本理论 | 第38-39页 |
| 4.2 模糊诊断判别过程 | 第39页 |
| 4.3 变压器故障模糊诊断模型 | 第39-44页 |
| 4.3.1 三比值编码规则与故障类型判别 | 第39-41页 |
| 4.3.2 特征向量获取 | 第41-42页 |
| 4.3.3 模糊关系矩阵 | 第42-43页 |
| 4.3.4 变压器模糊诊断判别 | 第43-44页 |
| 4.4 变压器模糊聚类诊断模型研究 | 第44-48页 |
| 4.4.1 模糊聚类原理 | 第45-46页 |
| 4.4.2 数据归一化 | 第46页 |
| 4.4.3 模糊相似关系矩阵 | 第46-47页 |
| 4.4.4 求取传递闭包 | 第47页 |
| 4.4.5 故障诊断 | 第47-48页 |
| 4.5 本章小结 | 第48-49页 |
| 第5章 变压器故障诊断专家系统 | 第49-53页 |
| 5.1 专家分析系统 | 第49-52页 |
| 5.1.1 专家系统简介 | 第50-51页 |
| 5.1.2 专家系统构成 | 第51-52页 |
| 5.2 分析系统实例 | 第52页 |
| 5.3 本章小结 | 第52-53页 |
| 第6章 结论与展望 | 第53-54页 |
| 参考文献 | 第54-58页 |
| 致谢 | 第58页 |
