基于油中溶解气体的变压器故障预测研究
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-16页 |
| ·课题背景及意义 | 第9页 |
| ·变压器在线监测方法 | 第9-13页 |
| ·油中溶解气体在线监测 | 第10-11页 |
| ·局部放电在线监测技术 | 第11-12页 |
| ·其他监测与诊断技术 | 第12-13页 |
| ·变压器故障预测诊断的研究现状 | 第13-14页 |
| ·本文主要研究工作 | 第14-16页 |
| 第2章 变压器特征及故障诊断方法 | 第16-25页 |
| ·变压器结构和特征 | 第16-17页 |
| ·变压器常见故障 | 第17-19页 |
| ·绕组故障 | 第17页 |
| ·铁芯故障 | 第17-18页 |
| ·分接开关故障 | 第18页 |
| ·绝缘故障 | 第18页 |
| ·放电故障 | 第18-19页 |
| ·变压器油的绝缘故障 | 第19页 |
| ·变压器受潮 | 第19页 |
| ·油中气体为特征量的常规诊断方法 | 第19-24页 |
| ·特征气体法 | 第20页 |
| ·比值法 | 第20-23页 |
| ·三角图形法 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 第3章 基于灰色BP神经网络的油中溶解气体预测 | 第25-36页 |
| ·灰色预测和BP神经网络模型 | 第25-30页 |
| ·灰色理论模型 | 第25-28页 |
| ·BP神经网络模型 | 第28-30页 |
| ·建立GM-BP神经网络的油中气体预测模型 | 第30-33页 |
| ·BP灰色预测模型 | 第30-31页 |
| ·数据预处理 | 第31-32页 |
| ·确定训练样本集和测试样本集 | 第32-33页 |
| ·实例分析 | 第33-34页 |
| ·本章小结 | 第34-36页 |
| 第4章 基于概率神经网路的多层故障诊断 | 第36-44页 |
| ·PNN神经网络 | 第36-38页 |
| ·PNN神经网络介绍 | 第36-37页 |
| ·PNN神经网络学习训练过程 | 第37-38页 |
| ·建立概率神经网络故障诊断模型 | 第38-42页 |
| ·变压器故障信息的选取 | 第38-40页 |
| ·数据预处理 | 第40页 |
| ·建立PNN多层次诊断模型 | 第40-42页 |
| ·实例分析 | 第42-43页 |
| ·本章小结 | 第43-44页 |
| 第5章 变压器故障预测诊断系统实现 | 第44-52页 |
| ·系统结构描述 | 第44-46页 |
| ·软件描述 | 第46-47页 |
| ·登录设计 | 第46页 |
| ·菜单界面 | 第46页 |
| ·DGA数据预测 | 第46-47页 |
| ·变压器故障诊断 | 第47页 |
| ·实例预测诊断 | 第47-51页 |
| ·本章小结 | 第51-52页 |
| 第6章 结论与展望 | 第52-53页 |
| 参考文献 | 第53-57页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第57-58页 |
| 攻读硕士学位期间参加的科研工作 | 第58-59页 |
| 致谢 | 第59页 |
