基于熵权优化灰色关联度方法的电力变压器故障诊断研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 1 绪论 | 第11-19页 |
| 1.1 选题背景及意义 | 第11-12页 |
| 1.2 国内外研究现状及分析 | 第12-16页 |
| 1.2.1 传统故障诊断方法 | 第12-13页 |
| 1.2.2 人工智能故障诊断方法 | 第13-16页 |
| 1.3 目前存在的主要问题 | 第16-17页 |
| 1.4 创新点 | 第17页 |
| 1.5 研究内容与论文框架 | 第17-19页 |
| 2 相关理论知识 | 第19-31页 |
| 2.1 变压器故障相关理论 | 第19-23页 |
| 2.1.1 变压器的主要结构 | 第19-20页 |
| 2.1.2 变压器故障与特征气体之间的关系 | 第20-23页 |
| 2.2 聚类算法 | 第23-25页 |
| 2.3 灰色关联度分析 | 第25-27页 |
| 2.4 信息熵 | 第27-31页 |
| 3 模糊聚类确定变压器故障标准序列 | 第31-40页 |
| 3.1 电力变压器故障标准序列的确定及数据准备 | 第31-33页 |
| 3.1.1 电力变压器故障标准序列的确定 | 第31-32页 |
| 3.1.2 数据准备 | 第32-33页 |
| 3.2 FCM聚类算法及实现步骤 | 第33-37页 |
| 3.2.1 FCM聚类算法 | 第33-34页 |
| 3.2.2 FCM聚类实现步骤 | 第34-37页 |
| 3.3 实例计算 | 第37-39页 |
| 3.4 本章小结 | 第39-40页 |
| 4 基于熵权优化的改进关联度模型 | 第40-48页 |
| 4.1 变压器故障诊断的基本灰色关联度模型 | 第40-43页 |
| 4.1.1 基本灰色关联度模型 | 第40-41页 |
| 4.1.2 模型应用条件 | 第41-42页 |
| 4.1.3 模型运用步骤 | 第42-43页 |
| 4.2 基于熵权优化的改进关联度模型的构建 | 第43-47页 |
| 4.2.1 改进关联度模型的构建 | 第43-44页 |
| 4.2.2 熵权法确定权重 | 第44-47页 |
| 4.2.3 改进关联度模型运用步骤 | 第47页 |
| 4.3 本章小结 | 第47-48页 |
| 5 基于改进关联度模型的变压器故障诊断实例分析 | 第48-54页 |
| 5.1 数据的来源与处理 | 第48页 |
| 5.2 模型的实际运用 | 第48-49页 |
| 5.3 故障诊断结果分析 | 第49-53页 |
| 5.4 本章小结 | 第53-54页 |
| 6 总结和展望 | 第54-56页 |
| 致谢 | 第56-57页 |
| 参考文献 | 第57-62页 |
| 附录 | 第62页 |
