| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 课题研究背景及意义 | 第9-10页 |
| 1.2 变压器故障预测方法与诊断技术研究现状 | 第10-16页 |
| 1.2.1 变压器故障预测方法研究现状 | 第10-12页 |
| 1.2.2 变压器故障诊断技术研究现状 | 第12-16页 |
| 1.3 本文研究的内容 | 第16-17页 |
| 第2章 变压器故油中溶解气体及常见故障 | 第17-25页 |
| 2.1 油浸式变压器油中溶解气体分析(DGA)原理 | 第17-18页 |
| 2.1.1 变压器油中气体的产生 | 第17页 |
| 2.1.2 变压器内部装置中气体的产生 | 第17-18页 |
| 2.2 变压器常见故障与产生气体的对应关系 | 第18-20页 |
| 2.3 变压器故障气体分析方法及编码 | 第20-24页 |
| 2.3.1 变压器故障气体分析方法 | 第20-23页 |
| 2.3.2 变压器故障类型编码 | 第23-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第3章 灰色理论预测模型的优化设计 | 第25-34页 |
| 3.1 灰色理论起源及内容 | 第25-26页 |
| 3.2 灰数序列算子的生成 | 第26-27页 |
| 3.2.1 累加生成算子 | 第26-27页 |
| 3.2.2 累减生成算子 | 第27页 |
| 3.3 灰色关联度系数的优化 | 第27-29页 |
| 3.4 GM(1,1)预测模型 | 第29-30页 |
| 3.5 GM(1,N)预测模型的优化设计 | 第30-33页 |
| 3.6 本章小结 | 第33-34页 |
| 第4章 基于BP神经网络在变压器故障预测中的仿真 | 第34-45页 |
| 4.1 人工神经网络 | 第34-36页 |
| 4.2 BP神经网络模型的研究 | 第36-43页 |
| 4.2.1 BP神经网络模型的建立 | 第38-40页 |
| 4.2.2 BP神经网络传统算法与新算法 | 第40-42页 |
| 4.2.3 建立基于Simulink的BP神经网络 | 第42-43页 |
| 4.3 BP神经网络在变压器故障预测中的仿真 | 第43-44页 |
| 4.4 本章小结 | 第44-45页 |
| 第5章 灰色神经网络在变压器故障预测中的建模与仿真 | 第45-64页 |
| 5.1 灰色神经网络模型的建立 | 第45-48页 |
| 5.2 灰色神经网络参数的选取 | 第48-57页 |
| 5.2.1 样本数据的选取 | 第48-51页 |
| 5.2.2 训练参数的选取 | 第51-54页 |
| 5.2.3 训练函数的选择 | 第54-57页 |
| 5.3 灰色神经网络预测模型软件平台 | 第57页 |
| 5.4 灰色神经网络预测模型仿真结果分析 | 第57-63页 |
| 5.5 本章小结 | 第63-64页 |
| 第6章 结论 | 第64-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-70页 |
| 作者简介 | 第70-71页 |
| 硕士期间发表的论文 | 第71页 |
