改进的神经网络在变压器故障诊断中的应用
| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 目录 | 第8-10页 |
| 第1章 绪论 | 第10-18页 |
| ·研究背景和研究意义 | 第10-11页 |
| ·国内外研究现状 | 第11-15页 |
| ·本文研究工作 | 第15-18页 |
| 第2章 变压器故障诊断方法 | 第18-29页 |
| ·引言 | 第18页 |
| ·电力变压器结构简介 | 第18-19页 |
| ·电力变压器故障分类 | 第19-24页 |
| ·短路故障 | 第20-21页 |
| ·放电故障 | 第21-22页 |
| ·绝缘故障 | 第22-23页 |
| ·铁芯故障 | 第23页 |
| ·分接开关故障 | 第23-24页 |
| ·变压器在线监测技术 | 第24-28页 |
| ·油中溶解气体在线监测 | 第24-25页 |
| ·油中溶解气体的产生 | 第25-26页 |
| ·变压器内析出气体的原因和特征 | 第26-27页 |
| ·变压器油中气体产生机理 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 第3章 电力变压器故障诊断模型的研究 | 第29-42页 |
| ·电力变压器油中特征气体色谱分析和故障判断 | 第29-34页 |
| ·设备故障判断方法 | 第29-30页 |
| ·判断故障性质的类型和方法 | 第30-34页 |
| ·基于遗传算法优化的BP神经网络模型构建 | 第34-39页 |
| ·BP神经网络的基本原理 | 第34-35页 |
| ·遗传算法的基本原理 | 第35-37页 |
| ·遗传算法流程的基本要素 | 第37页 |
| ·遗传算法优化神经网络构建的思路及步骤 | 第37-39页 |
| ·变压器故障决策树模型构建 | 第39-41页 |
| ·决策树的分析算法介绍 | 第39页 |
| ·决策树构建的ID3算法介绍 | 第39-40页 |
| ·ID3算法的主要实现的步骤 | 第40-41页 |
| ·本章小结 | 第41-42页 |
| 第4章 变压器故障诊断模型的算例分析 | 第42-55页 |
| ·基于遗传算法优化的神经网络的油色谱试验分析 | 第42-51页 |
| ·数据样本的采集 | 第42-43页 |
| ·神经网络数据编码方式的构建 | 第43页 |
| ·神经网络的构建 | 第43-44页 |
| ·遗传算法的实现 | 第44-45页 |
| ·样本数据的预处理 | 第45-47页 |
| ·算法的具体操作和实现 | 第47-51页 |
| ·利用决策树来形成变压器故障部位的诊断 | 第51-54页 |
| ·数据样本集的形成 | 第51-52页 |
| ·决策树的生成和构建 | 第52-54页 |
| ·变压器故障部位诊断规则的生成 | 第54页 |
| ·本章小结 | 第54-55页 |
| 第5章 总结与展望 | 第55-57页 |
| 参考文献 | 第57-61页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第61-62页 |
| 致谢 | 第62页 |
