| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-11页 |
| 1.1 电力变压器故障诊断的背景、目的及意义 | 第8页 |
| 1.2 国内外研究现状及分析 | 第8-10页 |
| 1.3 本文的主要研究内容 | 第10-11页 |
| 第2章 电力变压器常见故障及诊断方法 | 第11-18页 |
| 2.1 变压器常见故障 | 第11-12页 |
| 2.2 变压器油中溶解气体的产生机理 | 第12-15页 |
| 2.2.1 油中溶解气体来源 | 第13-14页 |
| 2.2.2 气体在油中的溶解过程 | 第14-15页 |
| 2.3 传统的故障诊断方法 | 第15-17页 |
| 2.3.1 特征气体法 | 第15-16页 |
| 2.3.2 三比值法 | 第16-17页 |
| 2.4 本章小结 | 第17-18页 |
| 第3章 BP神经网络 | 第18-23页 |
| 3.1 人工神经网络简介 | 第18页 |
| 3.2 BP神经网络算法原理 | 第18-22页 |
| 3.2.1 BP神经网络实现 | 第19-21页 |
| 3.2.2 BP神经网络的优缺点及改进 | 第21-22页 |
| 3.3 本章小结 | 第22-23页 |
| 第4章 遗传算法 | 第23-29页 |
| 4.1 遗传算法简介 | 第23页 |
| 4.2 遗传算法基本原理 | 第23-28页 |
| 4.2.1 遗传算法参数选择 | 第24-27页 |
| 4.2.2 算法的终止条件 | 第27页 |
| 4.2.3 遗传算法的基本流程 | 第27-28页 |
| 4.2.4 遗传算法优缺点及改进 | 第28页 |
| 4.3 本章小结 | 第28-29页 |
| 第5章 遗传算法与神经网络相融合的电力变压器故障诊断 | 第29-54页 |
| 5.1 BP神经网络的训练 | 第29-44页 |
| 5.1.1 输入输出向量的确定 | 第29-31页 |
| 5.1.2 数据预处理 | 第31-32页 |
| 5.1.3 激活函数的选择 | 第32-36页 |
| 5.1.4 隐含层数和隐含层神经元数的确定 | 第36-44页 |
| 5.2 遗传算法加BP神经网络的训练 | 第44-53页 |
| 5.2.1 初始种群解空间的构成及其初始种群数的确定 | 第44-48页 |
| 5.2.2 选择交叉概率Pc和变异概率Pm参数取值 | 第48-49页 |
| 5.2.3 算法仿真和对比 | 第49-53页 |
| 5.3 本章总结 | 第53-54页 |
| 第6章 总结与展望 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 致谢 | 第59-60页 |
| 作者简介 | 第60页 |
| 攻读硕士学位期间研究成果 | 第60页 |
