| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-20页 |
| 1.1 课题研究的背景和意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-18页 |
| 1.2.1 大数据分析 | 第12-13页 |
| 1.2.2 电力变压器状态检修的发展 | 第13-14页 |
| 1.2.3 电力变压器状态评估研究现状 | 第14-15页 |
| 1.2.4 电力变压器故障诊断国内外研究现状 | 第15-18页 |
| 1.3 论文的主要研究内容和结构安排 | 第18-20页 |
| 第2章 状态评估体系建立与数据分析 | 第20-35页 |
| 2.1 电力变压器状态评估体系的建立 | 第20-27页 |
| 2.1.1 建立变压器状态评估体系应遵循的基本原则 | 第20-22页 |
| 2.1.2 电力变压器状态评估指标参量 | 第22-26页 |
| 2.1.3 建立变压器状态评估体系 | 第26-27页 |
| 2.2 状态评估等级的划分及检修策略制定 | 第27页 |
| 2.3 指标数据的分析处理 | 第27-34页 |
| 2.3.1 状态评估指标数据的预处理 | 第28-32页 |
| 2.3.2 变压器状态评估样本集的建立 | 第32-34页 |
| 2.4 本章小结 | 第34-35页 |
| 第3章 基于自适应进化极限学习机的电力变压器状态评估研究 | 第35-45页 |
| 3.1 自适应进化极限学习机算法与状态评估 | 第35-39页 |
| 3.1.1 极限学习机简介 | 第35-37页 |
| 3.1.2 改进的极限学习机算法 | 第37-39页 |
| 3.2 电力变压器状态评估模型建立 | 第39-40页 |
| 3.3 实例分析 | 第40-44页 |
| 3.3.1 采用不同评估指标的评估结果对比 | 第40-42页 |
| 3.3.2 评估结果与SVM和ELM的对比 | 第42-44页 |
| 3.4 本章小结 | 第44-45页 |
| 第4章 基于改进极限学习机的电力变压器故障诊断研究 | 第45-56页 |
| 4.1 基于油中溶解气体分析的电力变压器故障诊断 | 第45-47页 |
| 4.1.1 油中溶解气体的产生机理 | 第45-46页 |
| 4.1.2 电力变压器故障类型的划分 | 第46-47页 |
| 4.1.3 电力变压器内部故障与油中特征气体的关系 | 第47页 |
| 4.2 电力变压器故障诊断决策表的选取和约简 | 第47-49页 |
| 4.2.1 初始决策表的选取 | 第47-48页 |
| 4.2.2 决策表连续属性值的离散化及约简 | 第48-49页 |
| 4.3 基于RS的AFSA-ELM故障诊断方法 | 第49-51页 |
| 4.3.1 人工鱼群算法概述 | 第49-50页 |
| 4.3.2 基于RS的AFSA-ELM故障诊断方法 | 第50-51页 |
| 4.4 变压器故障诊断实例分析 | 第51-55页 |
| 4.4.1 实例分析 | 第51-53页 |
| 4.4.2 故障方法对比 | 第53-55页 |
| 4.5 本章小结 | 第55-56页 |
| 结论与展望 | 第56-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-63页 |
| 附录 电力变压器状态评估与故障诊断数据集 | 第63-69页 |
| 攻读硕士学位期间发表的论文和科研成果 | 第69页 |
