摘要 | 第5-6页 |
Abstract | 第6页 |
第1章 绪论 | 第10-15页 |
1.1 研究背景 | 第10-11页 |
1.1.1 智能变压器基本含义 | 第10页 |
1.1.2 智能变压器的技术特征 | 第10-11页 |
1.2 智能变压器在线监测与故障诊断研究的目的和意义 | 第11-12页 |
1.3 变压器在线监测与故障诊断的国内外研究现状 | 第12-14页 |
1.3.1 变压器油中溶解气体的在线监测与诊断 | 第12页 |
1.3.2 变压器局部放电的在线监测与诊断 | 第12-13页 |
1.3.3 变压器绕组热点的在线监测技术 | 第13-14页 |
1.4 本论文的主要研究内容 | 第14-15页 |
第2章 变压器常用在线监测及诊断技术 | 第15-30页 |
2.1 油中气体在线监测技术 | 第15-20页 |
2.1.1 电化学法气体在线监测 | 第15-18页 |
2.1.2 色谱法油中溶解气体在线监测 | 第18-20页 |
2.1.3 油中溶解气体在线监测与诊断的优缺点 | 第20页 |
2.2 变压器局部放电在线监测 | 第20-25页 |
2.2.1 脉冲电流法 | 第21-22页 |
2.2.2 超声法 | 第22-23页 |
2.2.3 超高频法 | 第23-24页 |
2.2.4 变压器局部放电的诊断技术 | 第24-25页 |
2.2.5 局部放电在线监测的优缺点 | 第25页 |
2.3 变压器绕组热点的在线监测 | 第25-28页 |
2.3.1 间接计算法 | 第25-26页 |
2.3.2 绕组光纤测温法 | 第26-28页 |
2.3.3 绕组热点测温的功能及应用 | 第28页 |
2.4 在线监测方法技术特点综合分析 | 第28-29页 |
2.5 本章小结 | 第29-30页 |
第3章 基于 D-S 证据理论和 BP 神经网络的变压器故障诊断研究 | 第30-40页 |
3.1 D-S 证据理论 | 第30-34页 |
3.1.1 D-S 证据理论基本概念 | 第30-32页 |
3.1.2 证据理论的组合规则 | 第32-33页 |
3.1.3 D-S 证据理论信息融合推理过程 | 第33-34页 |
3.1.4 D-S 证据理论在信息融合的应用特点 | 第34页 |
3.2 BP 神经网络 | 第34-36页 |
3.2.1 BP 神经网络的结构 | 第34-35页 |
3.2.2 BP 神经网络的算法 | 第35-36页 |
3.2.3 BP 神经网络算法的实现 | 第36页 |
3.3 D-S 证据和 BP 神经网络结合的变压器故障诊断技术 | 第36-38页 |
3.3.1 基于 D-S 证据推理和 BP 神经网络的变压器故障诊断系统 | 第36-37页 |
3.3.2 基于 D-S 论据推理和 BP 神经网络的故障诊断多级决策模型 | 第37-38页 |
3.4 本章小结 | 第38-40页 |
第4章 110KV 智能变压器在线监测与诊断系统设计 | 第40-78页 |
4.1 110KV 智能变压器系统组成 | 第40-41页 |
4.2 110KV 智能变压器综合性在线监测技术方案 | 第41-48页 |
4.2.1 工况信息的监测 | 第41-42页 |
4.2.2 局部放电在线监测 | 第42-45页 |
4.2.3 油中气体和微水在线监测 | 第45-46页 |
4.2.4 绕组热点温度在线监测 | 第46-47页 |
4.2.5 智能化单元 | 第47-48页 |
4.3 110KV 智能变压器综合分析诊断软件的开发应用 | 第48-68页 |
4.3.1 变压器综合故障分析诊断系统软件概述 | 第48页 |
4.3.2 变压器综合故障分析诊断系统软件诊断流程 | 第48-49页 |
4.3.3 绕组热点监测功能单元设计 | 第49-52页 |
4.3.4 油中溶解气体监测功能单元设计 | 第52-56页 |
4.3.5 局部放电监测功能单元 | 第56-59页 |
4.3.6 工况信息监测功能单元 | 第59-62页 |
4.3.7 故障数据库功能单元 | 第62-65页 |
4.3.8 综合诊断功能单元 | 第65-68页 |
4.4 110KV 智能变压器在线监测及故障诊断应用 | 第68-77页 |
4.5 本章小结 | 第77-78页 |
第5章 结论和展望 | 第78-79页 |
参考文献 | 第79-82页 |
攻读硕士学位期间发表的学术论文及其它成果 | 第82-83页 |
致谢 | 第83-84页 |
作者简介 | 第84页 |