| 中文摘要 | 第1-5页 |
| 英文摘要 | 第5-11页 |
| 1 绪论 | 第11-29页 |
| ·论文的研究背景及选题意义 | 第11-13页 |
| ·变压器潜伏性故障诊断技术研究现状 | 第13-20页 |
| ·变压器故障特征在线监测技术 | 第13-16页 |
| ·变压器潜伏性故障诊断及预测方法 | 第16-20页 |
| ·变压器的可靠性与风险评估 | 第20-22页 |
| ·电力变压器维修决策模型研究现状 | 第22-25页 |
| ·论文研究的内容及组织 | 第25-29页 |
| 2 变压器故障特征量相关分析方法 | 第29-47页 |
| ·变压器故障模式分析 | 第29-32页 |
| ·变压器故障类型 | 第29-31页 |
| ·变压器故障特征量 | 第31-32页 |
| ·变压器故障模式影响分析 | 第32-33页 |
| ·变压器故障特征量的可信度计算方法 | 第33-45页 |
| ·关联规则的描述及其数据挖掘算法 | 第34-42页 |
| ·基于关联规则的变压器故障模式与特征量的可信度计算实例计算及分析 | 第42-45页 |
| ·本章小结 | 第45-47页 |
| 3 变压器故障诊断集成学习方法 | 第47-73页 |
| ·聚类算法与支持向量机结合的变压器故障诊断组合模型 | 第47-54页 |
| ·基于最大最小距离法的聚类分析算法 | 第47-49页 |
| ·聚类算法与支持向量机结合的组合分类诊断算法 | 第49-52页 |
| ·实例分析 | 第52-54页 |
| ·基于信息熵的Bagging 故障诊断集成算法 | 第54-71页 |
| ·IE-Bagging 集成分类算法 | 第54-58页 |
| ·油中溶解气体故障诊断的应用实例 | 第58-62页 |
| ·超高频局部放电应用实例 | 第62-71页 |
| ·本章小结 | 第71-73页 |
| 4 变压器故障特征量预测集成方法 | 第73-93页 |
| ·贝叶斯信息标准的预测算法模型评价方法 | 第74-75页 |
| ·通用的预测算法的评分函数 | 第74页 |
| ·基于贝叶斯信息标准的评价方法 | 第74-75页 |
| ·基于SVRM 的变压器油中溶解气体预测方法 | 第75-80页 |
| ·SVRM 预测模型简介 | 第75-76页 |
| ·基于SVRM 的变压器故障相关特征量的预测模型 | 第76-77页 |
| ·实例 | 第77-80页 |
| ·基于软集合的变压器故障特征量组合预测方法 | 第80-84页 |
| ·模糊软集合组合预测方法 | 第80-82页 |
| ·模糊软集合成员预测模型 | 第82-84页 |
| ·基于样本熵的Bagging 算法的变压器故障特征量预测方法 | 第84-91页 |
| ·基于样本熵的Bagging 算法 | 第84-86页 |
| ·基于综合样本熵的重采样算法及E-Bagging 算法 | 第86-87页 |
| ·变压器故障预测实例分析 | 第87-91页 |
| ·预测模型评价 | 第91页 |
| ·本章小结 | 第91-93页 |
| 5 基于风险评估的变压器维修决策模型 | 第93-109页 |
| ·变压器风险评估与维修决策基本过程 | 第93-95页 |
| ·故障后果量化分析 | 第95-97页 |
| ·基于样本分布的FCM 变压器故障概率计算方法研究 | 第97-101页 |
| ·模糊C 均值聚类分析方法 | 第98-99页 |
| ·基于样本分布的FCM 算法 | 第99-101页 |
| ·变压器故障类型隶属度计算 | 第101页 |
| ·基于可靠性评估的变压器维修决策模型实例 | 第101-108页 |
| ·变压器状态维修方案及维修费用期望 | 第101-102页 |
| ·维修决策建立过程实例 | 第102-108页 |
| ·本章小结 | 第108-109页 |
| 6 结论与展望 | 第109-113页 |
| ·论文的总结 | 第109-110页 |
| ·进一步努力的方向 | 第110-113页 |
| 致谢 | 第113-115页 |
| 参考文献 | 第115-125页 |
| 附录 | 第125-142页 |
| A.作者在攻读博士学位期间发表录用的论文 | 第125页 |
| B. 作者在攻读博士学位期间参加的科研项目 | 第125-126页 |
| C.电力变压器的 FMEA 表格 | 第126-142页 |
