摘要 | 第12-15页 |
ABSTRACT | 第15-18页 |
第1章 绪论 | 第19-35页 |
1.1 研究背景 | 第19-21页 |
1.2 国内外研究现状 | 第21-31页 |
1.2.1 变压器在线监测技术的发展及应用 | 第21-25页 |
1.2.2 变压器状态评估技术 | 第25-27页 |
1.2.3 变压器故障诊断技术 | 第27-31页 |
1.3 本文的主要工作 | 第31-35页 |
1.3.1 研究技术路线 | 第31-32页 |
1.3.2 主要研究内容 | 第32-35页 |
第2章 变压器状态评估多层次不确定模型 | 第35-53页 |
2.1 引言 | 第35-36页 |
2.2 状态评估总体架构 | 第36-44页 |
2.2.1 状态评估指标体系 | 第36-42页 |
2.2.2 评估指标处理与状态等级 | 第42-43页 |
2.2.3 评估架构 | 第43-44页 |
2.3 最优权重 | 第44-46页 |
2.3.1 理论基础 | 第44-45页 |
2.3.2 最优权重的计算 | 第45-46页 |
2.4 状态评估模型 | 第46-49页 |
2.4.1 基于物元云的第一层评估 | 第46-47页 |
2.4.2 基于D-S证据理论的二、三层评估 | 第47-49页 |
2.5 算例分析 | 第49-51页 |
2.5.1 算例1 | 第49-50页 |
2.5.2 算例2 | 第50-51页 |
2.6 小结 | 第51-53页 |
第3章 计及DGA时间特性的变压器故障诊断 | 第53-71页 |
3.1 引言 | 第53页 |
3.2 变压器故障诊断流程 | 第53-54页 |
3.3 失效数据剔除 | 第54-59页 |
3.3.1 明显失效数据剔除 | 第55-56页 |
3.3.2 粗大误差失效数据剔除 | 第56-57页 |
3.3.3 算例分析 | 第57-59页 |
3.4 故障数据提取 | 第59-61页 |
3.4.1 基于预测的故障数据提取 | 第59页 |
3.4.2 算例分析 | 第59-61页 |
3.5 故障诊断模型 | 第61-69页 |
3.5.1 快速相关向量机 | 第61-62页 |
3.5.2 多分类模型 | 第62-63页 |
3.5.3 快速算法与传统算法计算时间的比较 | 第63-64页 |
3.5.4 基于QPSO的参数及故障特征提取方法优化 | 第64-66页 |
3.5.5 算例分析 | 第66-69页 |
3.6 小结 | 第69-71页 |
第4章 变压器在线监测装置配置优先级评估 | 第71-87页 |
4.1 引言 | 第71-72页 |
4.2 优先级评估模型 | 第72-73页 |
4.3 设备层优先级评估方法 | 第73-79页 |
4.3.1 设备属性优先级评估 | 第73-78页 |
4.3.2 运行状态优先级评估 | 第78-79页 |
4.4 基于风险评估的系统层评估方法 | 第79-82页 |
4.4.1 变压器故障率 | 第79页 |
4.4.2 风险指标计算 | 第79-81页 |
4.4.3 系统层优先级评估 | 第81-82页 |
4.5 算例分析 | 第82-85页 |
4.5.1 设备属性评估 | 第82-83页 |
4.5.2 运行状态评估 | 第83-84页 |
4.5.3 系统层评估 | 第84-85页 |
4.5.4 综合评估 | 第85页 |
4.6 小结 | 第85-87页 |
第5章 变压器油色谱在线监测周期优化 | 第87-99页 |
5.1 引言 | 第87-88页 |
5.2 时间序列相空间重构 | 第88-89页 |
5.3 基于GS-FRVM的故障预警模型 | 第89-92页 |
5.3.1 组合核函数 | 第90页 |
5.3.2 核函数参数优化 | 第90-91页 |
5.3.3 预警阈值 | 第91-92页 |
5.3.4 预警步骤 | 第92页 |
5.4 算例分析 | 第92-97页 |
5.4.1 相对最优监测周期 | 第92-93页 |
5.4.2 气体浓度预测 | 第93-95页 |
5.4.3 预警方法比较 | 第95-96页 |
5.4.4 异常情况判断 | 第96-97页 |
5.4.5 经济性分析 | 第97页 |
5.5 小结 | 第97-99页 |
第6章 结论与展望 | 第99-103页 |
6.1 主要结论 | 第99-101页 |
6.2 后续工作展望 | 第101-103页 |
参考文献 | 第103-117页 |
致谢 | 第117-119页 |
攻读博士学位期间发表与录用的学术论文 | 第119-121页 |
攻读博士学位期间参与的课题研究与项目研发 | 第121-122页 |
附件 | 第122页 |