基于多种贝叶斯分类器的变压器故障诊断方法研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 课题背景与意义 | 第10-11页 |
| 1.2 变压器故障诊断技术的研究现状 | 第11-15页 |
| 1.2.1 基于人工智能的变压器故障诊断方法 | 第12-14页 |
| 1.2.2 传统的变压器故障诊断方法 | 第14-15页 |
| 1.3 本文主要工作 | 第15-16页 |
| 第二章 变压器故障类型与油中溶解气体关系分析 | 第16-26页 |
| 2.1 油中溶解气体分析 | 第16-19页 |
| 2.1.1 气体产生的机理 | 第16-17页 |
| 2.1.2 气体在油中的溶解 | 第17-19页 |
| 2.2 变压器故障类型与油中气体含量的关系 | 第19-22页 |
| 2.2.1 热性故障的特征气体 | 第19-20页 |
| 2.2.2 放电性故障的特征气体 | 第20-22页 |
| 2.3 基于DGA数据的变压器故障诊断方法 | 第22-25页 |
| 2.3.1 特征气体法 | 第23页 |
| 2.3.2 三比值法 | 第23-25页 |
| 2.3.3 无编码比值方法 | 第25页 |
| 2.4 本章小结 | 第25-26页 |
| 第三章 贝叶斯网络的基本原理及其分类模型的建立 | 第26-36页 |
| 3.1 贝叶斯网络基本理论 | 第26-29页 |
| 3.1.1 基本概念 | 第26-27页 |
| 3.1.2 贝叶斯网络简介 | 第27-29页 |
| 3.2 贝叶斯分类器 | 第29-30页 |
| 3.3 四种贝叶斯网络分类器模型 | 第30-35页 |
| 3.3.1 朴素贝叶斯分类器 | 第30-32页 |
| 3.3.2 半朴素贝叶斯分类器 | 第32页 |
| 3.3.3 树形增强的朴素贝叶斯分类器 | 第32-34页 |
| 3.3.4 增强的朴素贝叶斯分类器 | 第34-35页 |
| 3.4 本章小结 | 第35-36页 |
| 第四章 变压器油色谱数据的预处理过程 | 第36-49页 |
| 4.1 变压器数据样本集的建立 | 第36-37页 |
| 4.2 基于LOF算法的变压器油色谱异常值检测 | 第37-43页 |
| 4.2.1 LOF算法的基本理论 | 第37-41页 |
| 4.2.2 变压器油谱异常值检测结果 | 第41-43页 |
| 4.3 连续特征值的离散化 | 第43-48页 |
| 4.3.1 数据离散化介绍 | 第43-45页 |
| 4.3.2 ChiMerge离散化算法 | 第45-47页 |
| 4.3.3 数据离散化结果 | 第47-48页 |
| 4.4 本章小结 | 第48-49页 |
| 第五章 基于多种贝叶斯分类器的故障组合诊断方法 | 第49-55页 |
| 5.1 组合诊断的基本思想 | 第49-50页 |
| 5.2 多贝叶斯分类器组合诊断模型的建立 | 第50-52页 |
| 5.2.1 组合权重最优值的计算 | 第50-51页 |
| 5.2.2 多分类器组合诊断模型 | 第51-52页 |
| 5.3 变压器故障诊断结果分析 | 第52-54页 |
| 5.4 本章小结 | 第54-55页 |
| 第六章 总结与展望 | 第55-56页 |
| 6.1 总结 | 第55页 |
| 6.2 展望 | 第55-56页 |
| 参考文献 | 第56-62页 |
| 致谢 | 第62页 |
