摘要 | 第4-5页 |
Abstract | 第5页 |
目录 | 第6-9页 |
1 绪论 | 第9-14页 |
1.1 选题背景和意义 | 第9-10页 |
1.2 变压器故障诊断技术的国内外研究现状 | 第10-12页 |
1.3 主要研究工作内容 | 第12-14页 |
2 电力变压器的油中溶解气体分析法 | 第14-25页 |
2.1 变压器油中溶解气体的来源 | 第14-16页 |
2.1.1 空气的溶解 | 第15页 |
2.1.2 正常运行中产生的气体 | 第15页 |
2.1.3 变压器故障运行中形成的气体 | 第15-16页 |
2.2 变压器油中溶解气体产气机理 | 第16-17页 |
2.2.1 绝缘材料的产气机理 | 第16页 |
2.2.2 变压器油的裂解产气机理 | 第16页 |
2.2.3 固体绝缘材料的分解形成气体原理 | 第16-17页 |
2.3 热分解气体在油中的溶解与释放 | 第17-19页 |
2.3.1 热分解气体 | 第17-18页 |
2.3.2 气体在变压器油中溶解传质过程的损失 | 第18-19页 |
2.4 故障变压器产气机理 | 第19-21页 |
2.4.1 变压器油中气体产生的原因和特征 | 第19-20页 |
2.4.2 变压器油中产生故障气体的机理 | 第20-21页 |
2.5 故障变压器产气特征 | 第21-22页 |
2.5.1 变压器绝缘材料产生的气体组分 | 第21-22页 |
2.5.2 对 CO 和 CO2的识别 | 第22页 |
2.6 变压器故障的种类 | 第22页 |
2.7 变压器的故障识别 | 第22-23页 |
2.7.1 特征气体法 | 第22-23页 |
2.7.2 比值判别法 | 第23页 |
2.8 小结 | 第23-25页 |
3 支持向量机算法描述与特征选择 | 第25-42页 |
3.1 支持向量机基本原理 | 第25-30页 |
3.1.1 硬间隔支持向量机 | 第25-27页 |
3.1.2 软间隔支持向量机 | 第27-29页 |
3.1.3 特征空间映射与核函数 | 第29-30页 |
3.2 多分类支持向量机 | 第30-33页 |
3.2.1 一对多方法 | 第30-31页 |
3.2.2 成对分类法 | 第31-32页 |
3.2.3 二叉树方法 | 第32-33页 |
3.3 模拟退火优化支持向量机参数 | 第33-37页 |
3.3.1 常用的参数选择方法 | 第33-34页 |
3.3.2 模拟退火算法参数选择 | 第34-35页 |
3.3.3 算法参数优化流程 | 第35-37页 |
3.4 特征选择方法 | 第37-41页 |
3.4.1 训练集的选取原则 | 第37页 |
3.4.2 特征选则 | 第37-38页 |
3.4.3 特征获取的原则 | 第38页 |
3.4.4 基因选择算法 | 第38-40页 |
3.4.5 基因选择算法应用于变压器故障样本筛选 | 第40-41页 |
3.5 小结 | 第41-42页 |
4 支持向量机在变压器故障诊断中的应用 | 第42-47页 |
4.1 基于支持向量机的变压器故障诊断模型建立 | 第42-44页 |
4.1.1 数学描述 | 第42-43页 |
4.1.2 支持向量机诊断模型的建立 | 第43-44页 |
4.2 学习样本的收集与整理 | 第44-45页 |
4.2.1 样本收集 | 第44页 |
4.2.2 归一化处理 | 第44-45页 |
4.3 支持向量机的训练 | 第45页 |
4.4 诊断实例 | 第45-46页 |
4.5 小结 | 第46-47页 |
5 基于 GUI 界面的 RFE-SA-SVM 变压器故障诊断 | 第47-55页 |
5.1 基于 RFE-SA-SVM 诊断模型的实现 | 第47-52页 |
5.1.1 初始特征量的筛选 | 第48页 |
5.1.2 选取变压器故障诊断支持向量机多分类器模型 | 第48页 |
5.1.3 实际数据验证分析 | 第48-50页 |
5.1.4 基于 GUI 界面的 RFE-SA-SVM 模型变压器故障诊断 | 第50-52页 |
5.2 与其它模型的对比 | 第52-54页 |
5.3 小结 | 第54-55页 |
结论 | 第55-56页 |
致谢 | 第56-57页 |
参考文献 | 第57-59页 |
附录A 原始 DGA 数据表 | 第59-62页 |
攻读学位期间的研究成果 | 第62页 |