| 摘要 | 第1-5页 |
| Abstract | 第5-6页 |
| 目录 | 第6-8页 |
| 第一章 绪论 | 第8-19页 |
| ·电力变压器故障诊断的意义 | 第8-9页 |
| ·变压器故障诊断技术现状概述 | 第9-17页 |
| ·国内外变压器故障诊断技术的发展及现状 | 第9-13页 |
| ·人工智能方法在变压器故障诊断中的应用 | 第13-17页 |
| ·本文的主要工作和意义 | 第17-18页 |
| ·基于电气量的变压器绕组故障诊断理论研究 | 第17页 |
| ·在油气量方面，尝试变压器故障的初步粗略定位 | 第17-18页 |
| ·构建一个基于综合特征量的变压器故障诊断系统 | 第18页 |
| ·小结 | 第18-19页 |
| 第二章 参数辨识在变压器绕组故障诊断中的应用 | 第19-40页 |
| ·变压器绕组电气模型 | 第19-23页 |
| ·单相变压器双绕组模型 | 第19-20页 |
| ·三相双绕组变压器模型 | 第20-23页 |
| ·变压器绕组漏磁在各种运行工况下的变化情况 | 第23-25页 |
| ·正常运行时的变压器漏磁场 | 第23-24页 |
| ·匝间短路时的变压器漏磁场 | 第24-25页 |
| ·参数辨识 | 第25-39页 |
| ·辨识的基本概念 | 第25页 |
| ·辨识原理 | 第25-32页 |
| ·变压器绕组模型离散化 | 第32-34页 |
| ·电阻与漏感参数的辨识 | 第34-35页 |
| ·仿真试验 | 第35-39页 |
| ·小结 | 第39-40页 |
| 第三章 人工神经网络、可靠性数据分析、模糊理论在变压器故障诊断中的应用 | 第40-63页 |
| ·人工神经网络 | 第40-50页 |
| ·引言 | 第40页 |
| ·人工神经网络研究历史 | 第40-41页 |
| ·神经网络的特点 | 第41-42页 |
| ·神经网络基础 | 第42-45页 |
| ·反向传播(BP)网络 | 第45-50页 |
| ·可靠性数据分析 | 第50-54页 |
| ·可靠性数据分析的基本概念 | 第50-51页 |
| ·可靠性数据分析的基本方法 | 第51-52页 |
| ·可靠性常见的累积分布函数 | 第52-54页 |
| ·可靠性数据分析与神经网络技术相结合 | 第54-57页 |
| ·引言 | 第54页 |
| ·应用建模过程 | 第54-55页 |
| ·算法流程图 | 第55页 |
| ·网络性能比较 | 第55-57页 |
| ·模糊神经网络在变压器故障诊断中的应用 | 第57-62页 |
| ·引言 | 第57页 |
| ·模糊理论与神经网络技术相结合 | 第57-58页 |
| ·隶属函数的确定 | 第58-61页 |
| ·模糊神经网络的算法流程图 | 第61-62页 |
| ·小结 | 第62-63页 |
| 第四章 综合诊断系统的具体实现 | 第63-75页 |
| ·引言 | 第63页 |
| ·综合诊断系统的构成 | 第63-64页 |
| ·电气量模块 | 第64-65页 |
| ·阀值的选取 | 第64页 |
| ·故障诊断 | 第64-65页 |
| ·可靠性数据分析神经网络模块 | 第65-69页 |
| ·诊断依据 | 第65页 |
| ·数据预处理 | 第65-66页 |
| ·网络的训练 | 第66-69页 |
| ·用检验样本进行故障诊断 | 第69页 |
| ·模糊神经网络诊断模块 | 第69-74页 |
| ·诊断判据 | 第69-71页 |
| ·数据预处理 | 第71页 |
| ·网络的训练 | 第71-73页 |
| ·用检验样本进行故障诊断 | 第73-74页 |
| ·小结 | 第74-75页 |
| 第五章 结束语 | 第75-76页 |
| ·总结 | 第75页 |
| ·展望 | 第75-76页 |
| 参考文献 | 第76-81页 |
| 致谢 | 第81页 |
| 声明 | 第81-82页 |
| 附录A H_2样本数据及累积频率 | 第82-83页 |
| 附录B 可靠性数据分析神经网络模块检验样本数据和诊断结果 | 第83-85页 |
| 附录C 模糊神经网络模块检验样本数据和诊断结果 | 第85-89页 |
| 攻读学位期间发表(录用)的学术论文目录 | 第89页 |