| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-20页 |
| 1.1 变压器故障诊断的意义 | 第9-10页 |
| 1.2 变压器油中溶解气体特征 | 第10-13页 |
| 1.2.1 油中气体的产生 | 第10-11页 |
| 1.2.2 气体的溶解和扩散 | 第11-12页 |
| 1.2.3 气体含量与运行状态的关系 | 第12-13页 |
| 1.3 基于 DGA 的变压器故障诊断国内外研究现状 | 第13-18页 |
| 1.3.1 基于 DGA 的阈值诊断方法 | 第13-15页 |
| 1.3.2 基于人工智能的诊断方法 | 第15-18页 |
| 1.4 本课题研究内容 | 第18-20页 |
| 第2章 基于极限学习机的变压器故障诊断 | 第20-35页 |
| 2.1 引言 | 第20页 |
| 2.2 极限学习机理论 | 第20-26页 |
| 2.2.1 极限学习机理论背景 | 第20-24页 |
| 2.2.2 极限学习机算法 | 第24-26页 |
| 2.3 基于极限学习机的变压器故障诊断 | 第26-32页 |
| 2.3.1 基于 ELM 的变压器故障诊断模型 | 第26-27页 |
| 2.3.2 特征量的选择 | 第27-28页 |
| 2.3.3 选取样本数据 | 第28页 |
| 2.3.4 隐藏层激活函数的选择 | 第28-29页 |
| 2.3.5 ELM 的参数设定 | 第29-30页 |
| 2.3.6 变压器状态编码 | 第30-31页 |
| 2.3.7 基于 ELM 的变压器故障诊断的实现过程 | 第31-32页 |
| 2.4 实例分析 | 第32-34页 |
| 2.5 本章小结 | 第34-35页 |
| 第3章 基于加权极限机的变压器故障诊断 | 第35-45页 |
| 3.1 引言 | 第35-36页 |
| 3.2 加权极限学习机 | 第36-38页 |
| 3.2.1 加权极限学习机介绍 | 第36-37页 |
| 3.2.2 加权方案 | 第37-38页 |
| 3.3 基于 WELM 的变压器故障诊断 | 第38-39页 |
| 3.3.1 基于 WELM 的变压器故障诊断模型 | 第38-39页 |
| 3.3.2 特征量与样本的选择 | 第39页 |
| 3.4 基于 WELM 的变压器故障诊断具体过程 | 第39-40页 |
| 3.5 实例分析 | 第40-44页 |
| 3.5.1 WELM 与 ELM 的对比实验 | 第40-43页 |
| 3.5.2 典型实例分析 | 第43-44页 |
| 3.6 本章小结 | 第44-45页 |
| 第4章 基于核极限学习机的变压器故障诊断 | 第45-58页 |
| 4.1 引言 | 第45页 |
| 4.2 KELM 算法 | 第45-46页 |
| 4.3 KELM 的改进 | 第46-53页 |
| 4.3.1 粒子群算法 | 第48-50页 |
| 4.3.2 交叉验证 | 第50-51页 |
| 4.3.3 KELM 的参数优化方法 | 第51-53页 |
| 4.4 基于 PSO-KELM 的变压器故障诊断 | 第53-54页 |
| 4.4.1 基于 PSO-KELM 的变压器故障诊断模型 | 第53页 |
| 4.4.2 特征量与样本的选择 | 第53页 |
| 4.4.3 基于 PSO-KELM 的变压器故障诊断具体过程 | 第53-54页 |
| 4.5 实例分析 | 第54-57页 |
| 4.6 本章小结 | 第57-58页 |
| 第5章 结论与展望 | 第58-60页 |
| 5.1 总结 | 第58-59页 |
| 5.2 展望 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 攻读硕士学位期间发表的论文 | 第64-65页 |
| 攻读硕士学位期间参加的科研工作 | 第65-66页 |
| 致谢 | 第66页 |
