| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第8-14页 |
| 1.1 研究背景与意义 | 第8-9页 |
| 1.2 变压器故障诊断的研究现状 | 第9-11页 |
| 1.2.1 三比值法的研究现状 | 第9-10页 |
| 1.2.2 人工神经网络的研究现状 | 第10页 |
| 1.2.3 支持向量机的研究现状 | 第10-11页 |
| 1.2.4 遗传算法的研究现状 | 第11页 |
| 1.3 本文研究的主要内容 | 第11-14页 |
| 2 利用关联气体方法对电力变压器是否故障进行初始筛选 | 第14-24页 |
| 2.1 电力变压器的主要故障 | 第14-17页 |
| 2.1.1 电力变压器故障的分类 | 第14-15页 |
| 2.1.2 电力变压器故障的原因和现象 | 第15-16页 |
| 2.1.3 电力变压器故障诊断方法 | 第16-17页 |
| 2.2 电力变压器在线诊断系统 | 第17-19页 |
| 2.2.1 在线诊断系统的意义 | 第17-18页 |
| 2.2.2 电力变压器在线诊断的原理和范围 | 第18页 |
| 2.2.3 电力变压器油中溶解气体在线诊断技术 | 第18-19页 |
| 2.2.4 电力变压器在线诊断的条件 | 第19页 |
| 2.3 关联气体对变压器是否发生故障诊断的优点 | 第19-22页 |
| 2.3.1 关联气体法对故障初始筛选的原理 | 第19-22页 |
| 2.4 本章小结 | 第22-24页 |
| 3.电力变压器实际故障实例分析 | 第24-32页 |
| 3.0 特征气体分析法 | 第24-25页 |
| 3.1 三比值法 | 第25-26页 |
| 3.2 案例分析 | 第26-30页 |
| 3.2.1 高温过热性故障分析 | 第26-27页 |
| 3.2.2 中温过热性故障分析 | 第27-28页 |
| 3.2.3 低温过热性故障分析 | 第28页 |
| 3.2.4 火花放电性故障分析 | 第28-29页 |
| 3.2.5 局部放电性故障分析 | 第29-30页 |
| 3.2.6 电弧放电性故障分析 | 第30页 |
| 3.3 本章小结 | 第30-32页 |
| 4.遗传算法优化支持向量机变压器故障分析 | 第32-52页 |
| 4.1 遗传算法 | 第32-35页 |
| 4.1.1 适应度函数的选取 | 第33页 |
| 4.1.2 选择算子的确定 | 第33页 |
| 4.1.3 交叉算子的选择 | 第33-34页 |
| 4.1.4 变异算子的选择 | 第34-35页 |
| 4.2 支持向量机 | 第35-39页 |
| 4.2.1 线性分类器的原理 | 第36-37页 |
| 4.2.2 非线性分类器的原理 | 第37-38页 |
| 4.2.3 核函数的选取 | 第38-39页 |
| 4.3 支持向量机的多分类问题 | 第39-40页 |
| 4.3.1 一次求解多分类问题 | 第39页 |
| 4.3.2 组合多分类问题 | 第39-40页 |
| 4.4 遗传算法优化支持向量机的模型与仿真 | 第40-50页 |
| 4.4.1 支持向量机参数对分类结果的影响 | 第40-41页 |
| 4.4.2 遗传算法对支持向量机参数优化 | 第41-43页 |
| 4.4.3 本文整体的算法流程 | 第43-44页 |
| 4.4.4 输入数据的数据化处理 | 第44-45页 |
| 4.4.5 输出故障类型 | 第45页 |
| 4.4.6 验证结果分析 | 第45-50页 |
| 4.5 本章小结 | 第50-52页 |
| 5 结论与展望 | 第52-54页 |
| 5.1 结论 | 第52页 |
| 5.2 展望 | 第52-54页 |
| 致谢 | 第54-56页 |
| 参考文献 | 第56-60页 |
| 附录 | 第60页 |
| 附录1：硕士期间发表论文 | 第60页 |