智能信息融合技术在变压器故障诊断中的应用研究
| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 目录 | 第8-10页 |
| 第1章 绪论 | 第10-16页 |
| ·课题研究背景及意义 | 第10页 |
| ·变压器设备检修的发展概况 | 第10-11页 |
| ·智能电网及变压器的概述 | 第11-12页 |
| ·信息融合技术在变压器中的应用 | 第12-15页 |
| ·多传感器信息融合技术 | 第12-13页 |
| ·信息融合的具体方法 | 第13页 |
| ·信息融合中信息的采集 | 第13-14页 |
| ·信息融合中信息处理 | 第14-15页 |
| ·本文的主要研究内容 | 第15-16页 |
| 第2章 变压器的故障检测与诊断 | 第16-24页 |
| ·电力变压器的简介 | 第16-20页 |
| ·变压器结构 | 第16-17页 |
| ·变压器的分类 | 第17页 |
| ·变压器的常见故障类型 | 第17-20页 |
| ·变压器主要的故障检测技术 | 第20-23页 |
| ·变压器实验检测 | 第20-22页 |
| ·变压器的在线检测 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 第3章 变压器油中溶解气体的检测与诊断方法 | 第24-34页 |
| ·变压器油中气体产生的原因 | 第24页 |
| ·变压器油中气体的来源 | 第24-25页 |
| ·变压器不同状态下油中气体的含量 | 第25-26页 |
| ·变压器内部故障类型与油中气体含量关系 | 第26-28页 |
| ·过热性故障 | 第26页 |
| ·电性故障 | 第26-28页 |
| ·受潮 | 第28页 |
| ·以油气分析为依据的故障诊断方法 | 第28-32页 |
| ·三比值法 | 第28-29页 |
| ·四比值法 | 第29-31页 |
| ·无编码比值法 | 第31页 |
| ·特殊气体法 | 第31页 |
| ·油中气体增长率 | 第31-32页 |
| ·本章小结 | 第32-34页 |
| 第4章 基于改进BP算法的变压器油气故障检测 | 第34-58页 |
| ·信息融合概述 | 第34页 |
| ·神经网络概述 | 第34-42页 |
| ·神经网络的发展历程 | 第34-35页 |
| ·人工神经网络的生物学基础 | 第35-37页 |
| ·神经网络的结构模型 | 第37-38页 |
| ·神经网络的学习方式 | 第38-39页 |
| ·神经网络的激励函数 | 第39-40页 |
| ·神经网络的学习算法 | 第40-41页 |
| ·神经网络的基本特征和性质 | 第41-42页 |
| ·BP神经网络介绍 | 第42-47页 |
| ·BP神经网络的基本模型和基本特征 | 第42-43页 |
| ·BP网络的学习方式 | 第43-45页 |
| ·BP算法的局限性分析 | 第45-46页 |
| ·BP神经网络算法的改进方向 | 第46-47页 |
| ·BP算法的设计 | 第47-49页 |
| ·基于改进的BP算法对变压器故障的诊断 | 第49-57页 |
| ·BP神经网络隐层节点数的选择 | 第49-50页 |
| ·BP神经网络算法的改进 | 第50-51页 |
| ·改进BP算法的网络仿真测试训练 | 第51-57页 |
| ·数据分析 | 第57页 |
| ·本章小结 | 第57-58页 |
| 结论与展望 | 第58-60页 |
| 1 本文工作总结 | 第58-59页 |
| 2 今后研究工作展望 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 致谢 | 第64-65页 |
| 附录 攻读硕士学位期间所发表的主要学术论文目录 | 第65页 |
