| 摘要 | 第2-3页 |
| Abstract | 第3-4页 |
| 1 绪论 | 第7-12页 |
| 1.1 课题研究的背景及意义 | 第7-8页 |
| 1.2 变压器智能在线监测与故障诊断技术的国内外发展现状 | 第8-11页 |
| 1.2.1 国外发展现状 | 第8-10页 |
| 1.2.2 国内发展现状 | 第10-11页 |
| 1.3 论文主要研究内容 | 第11-12页 |
| 2 油浸式变压器的智能监测系统结构及设计 | 第12-27页 |
| 2.1 油浸式变压器的概述与智能化结构 | 第12-16页 |
| 2.1.1 油浸式变压器结构组成 | 第12-14页 |
| 2.1.2 变压器故障类型 | 第14-15页 |
| 2.1.3 变压器的智能化构架结构 | 第15-16页 |
| 2.2 综合性在线监测方案设计 | 第16-22页 |
| 2.2.1 油中溶解气体监测子系统 | 第16-18页 |
| 2.2.2 局部放电监测子系统 | 第18-19页 |
| 2.2.3 套管绝缘监测子系统 | 第19-21页 |
| 2.2.4 绕组温度光纤监测子系统 | 第21页 |
| 2.2.5 铁芯接地电流监测子系统 | 第21-22页 |
| 2.3 综合性在线监测系统智能组件结构 | 第22-26页 |
| 2.4 本章小结 | 第26-27页 |
| 3 油浸式变压器的故障特征及诊断方法 | 第27-37页 |
| 3.1 变压器油中气体产生机理 | 第27-29页 |
| 3.2 变压器故障与油中气体的关系 | 第29-32页 |
| 3.2.1 变压器故障与特征气体关系 | 第29-30页 |
| 3.2.2 过热故障时产气特征 | 第30-31页 |
| 3.2.3 电气故障产气特征 | 第31-32页 |
| 3.3 传统故障诊断方法 | 第32-36页 |
| 3.3.1 存在性的判断 | 第33页 |
| 3.3.2 严重性的判断 | 第33-34页 |
| 3.3.3 传统故障判断方法 | 第34-36页 |
| 3.4 本章小结 | 第36-37页 |
| 4 基于改进BP神经网络的变压器故障诊断 | 第37-54页 |
| 4.1 人工神经网络理论 | 第37-43页 |
| 4.1.1 人工神经元基本原理 | 第38-40页 |
| 4.1.2 BP神经元网络 | 第40-42页 |
| 4.1.3 BP神经网络算法流程 | 第42-43页 |
| 4.1.4 BP神经网络的不足与改进 | 第43页 |
| 4.2 基于差分进化算法优化BP神经网络的实现 | 第43-47页 |
| 4.2.1 差分进化智能算法 | 第43-46页 |
| 4.2.2 差分进化算法改进的BP神经智能诊断算法 | 第46-47页 |
| 4.3 差分进化算法改进的神经网络算法在变压器故障诊断中的应用 | 第47-52页 |
| 4.3.1 油中气体取样流程 | 第47-48页 |
| 4.3.2 故障样本数据的选择及预处理 | 第48-49页 |
| 4.3.3 人工神经网络模型结构 | 第49页 |
| 4.3.4 人工神经网络的训练和测试 | 第49-52页 |
| 4.4 本章小结 | 第52-54页 |
| 5 变压器在线监测与故障诊断系统软件设计 | 第54-62页 |
| 5.1 故障诊断模块及系统软件结构设计 | 第54-56页 |
| 5.1.1 故障诊断模块的设计 | 第54-55页 |
| 5.1.2 系统软件结构设计 | 第55-56页 |
| 5.2 在线监测与故障诊断系统软件的实现 | 第56-59页 |
| 5.2.1 建立系统上位机的工具选择 | 第57页 |
| 5.2.2 数据库设计 | 第57-58页 |
| 5.2.3 系统的数据通信实现 | 第58-59页 |
| 5.3 系统主要界面设计 | 第59-61页 |
| 5.4 本章小结 | 第61-62页 |
| 结论 | 第62-63页 |
| 参考文献 | 第63-68页 |
| 致谢 | 第68-70页 |
