| 中文摘要 | 第1-6页 |
| 英文摘要 | 第6-11页 |
| 1 绪论 | 第11-24页 |
| 1．1 电力变压器绝缘故障诊断和预测的重要意义 | 第11-14页 |
| 1．2 电力变压器绝缘故障诊断的国内外研究现状 | 第14-18页 |
| 1．2．1 基于人工神经网络（Neural Network）的故障诊断 | 第14-15页 |
| 1．2．2 基于模糊理论（Fuzzy Theory）的故障诊断 | 第15-16页 |
| 1．2．3 基于灰色系统理论的故障诊断 | 第16-17页 |
| 1．2．4 基于专家系统（Expert System）的故障诊断 | 第17-18页 |
| 1．3 常用预测技术及在变压器绝缘故障预测中的国内外研究现状 | 第18-22页 |
| 1．4 遗传算法在变压器绝缘故障预测中的国内外研究现状 | 第22页 |
| 1．5 论文的主要研究工作 | 第22-23页 |
| 1．6 小结 | 第23-24页 |
| 2 变压器绝缘故障诊断黑板型专家系统研究 | 第24-33页 |
| 2．1 专家系统的特征 | 第24-26页 |
| 2．2 专家系统的基本结构 | 第26-28页 |
| 2．3 变压器绝缘故障诊断专家系统的黑板结构 | 第28-32页 |
| 2．4 小结 | 第32-33页 |
| 3 变压器绝缘故障智能诊断面向对象的知识库研究 | 第33-53页 |
| 3．1 专家系统的知识表示方法 | 第33-34页 |
| 3．2 构造变压器绝缘故障诊断专家系统面向对象的知识库 | 第34-38页 |
| 3．2．1 面向对象技术的基本原理 | 第34-35页 |
| 3．2．2 构造变压器绝缘故障诊断专家系统面向对象的知识库 | 第35-38页 |
| 3．3 基于反向传播神经网络的变压器绝缘故障诊断方法 | 第38-44页 |
| 3．3．1 BP神经网络的学习流程及其特点 | 第39-41页 |
| 3．3．2 自适应共轭梯度算法的BP神经网络在特征气体诊断法中的应用 | 第41-44页 |
| 3．4 基于模糊理论的变压器绝缘故障诊断方法 | 第44-52页 |
| 3．4．1 模糊理论的基本原理 | 第44-46页 |
| 3．4．2 变压器绝缘故障的模糊诊断 | 第46-49页 |
| 3．4．3 模糊关系方程在变压器故障定位分析中的应用 | 第49-52页 |
| 3．5 小结 | 第52-53页 |
| 4 多专家合作诊断变压器绝缘故障的研究 | 第53-63页 |
| 4．1 多专家合作诊断变压器绝缘故障的推理机制 | 第53-55页 |
| 4．2 多专家合作诊断变压器绝缘故障的程序实现 | 第55-57页 |
| 4．3 专家系统诊断实例 | 第57-62页 |
| 4．4 小结 | 第62-63页 |
| 5 基于遗传算法的变压器绝缘故障灰色预测研究 | 第63-87页 |
| 5．1 灰色预测的基本原理 | 第63-65页 |
| 5．1．1 灰色系统基本理论 | 第63-64页 |
| 5．1．2 灰色序列算子及其生成方法 | 第64-65页 |
| 5．2 灰色预测的模型 | 第65-68页 |
| 5．2．1 灰色预测的分类 | 第65页 |
| 5．2．2 GM（1,1）灰色预测模型的建立 | 第65-67页 |
| 5．2．3 精度检验 | 第67-68页 |
| 5．3 遗传算法的基本原理 | 第68-74页 |
| 5．3．1 遗传算法的数学基础 | 第68-69页 |
| 5．3．2 基本遗传算法的构成和运算步骤 | 第69-71页 |
| 5．3．3 遗传算法的程序实现 | 第71-74页 |
| 5．3．4 遗传算法的特点 | 第74页 |
| 5．4 基于遗传算法的变压器绝缘故障灰色预测研究 | 第74-79页 |
| 5．4．1 GM（1,1）灰色预测模型的缺陷和改进方法概述 | 第75页 |
| 5．4．2 原始序列的预处理 | 第75-76页 |
| 5．4．3 变压器绝缘故障灰色预测改进模型的建立 | 第76-78页 |
| 5．4．4 基于遗传算法的变压器内部绝缘故障灰色预测模型的建立 | 第78-79页 |
| 5．5 故障预测实例分析 | 第79-86页 |
| 5．5．1 故障预测实例分析 | 第79-84页 |
| 5．5．2 故障预测实例分析 | 第84-86页 |
| 5．6 小结 | 第86-87页 |
| 6 基于遗传算法的变压器绝缘故障组合预测研究 | 第87-100页 |
| 6．1 组合预测的基本原理及方法 | 第87-88页 |
| 6．2 变压器绝缘故障组合预测模型的建立 | 第88-91页 |
| 6．2．1 指数预测模型 | 第88-90页 |
| 6．2．2 乘幂预测模型 | 第90页 |
| 6．2．3 变压器绝缘故障组合预测模型的建立 | 第90-91页 |
| 6．3 基于遗传算法的变压器绝缘故障组合预测模型中最优权系数的确定 | 第91-93页 |
| 6．4 故障预测实例分析 | 第93-99页 |
| 6．4．1 故障预测实例分析 | 第93-97页 |
| 6．4．2 故障预测实例分析 | 第97-99页 |
| 6．5 小结 | 第99-100页 |
| 7 结论与展望 | 第100-102页 |
| 7．1 主要结论 | 第100-101页 |
| 7．2 后续研究工作的展望 | 第101-102页 |
| 致谢 | 第102-103页 |
| 参考文献 | 第103-110页 |
| 附： | 第110-111页 |
| 1．作者在攻读博士学位期间发表的论文目录 | 第110-111页 |
| 2．作者在攻读博士学位期间取得的科研成果 | 第111页 |
