| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第8-11页 |
| 1.1 课题研究的目的及意义 | 第8-9页 |
| 1.2 课题研究的发展状况 | 第9-10页 |
| 1.3 论文的主要内容与结构 | 第10-11页 |
| 第二章 电力变压器故障诊断方法的研究 | 第11-23页 |
| 2.1 引言 | 第11页 |
| 2.2 电力变压器结构简介 | 第11-12页 |
| 2.3 电力变压器故障分类 | 第12-17页 |
| 2.3.1 分接开关故障 | 第14-15页 |
| 2.3.2 绝缘故障 | 第15-16页 |
| 2.3.3 铁芯故障 | 第16页 |
| 2.3.4 放电故障 | 第16-17页 |
| 2.3.5 短路故障 | 第17页 |
| 2.4 变压器故障诊断技术 | 第17-22页 |
| 2.4.1 油中溶解气体故障诊断 | 第18页 |
| 2.4.2 油中溶解气体的产生 | 第18-19页 |
| 2.4.3 由变压器内部生成气体的原因和特征 | 第19页 |
| 2.4.4 典型电弧放电型故障的分析 | 第19-22页 |
| 2.5 本章小结 | 第22-23页 |
| 第三章 基于BP神经网络的故障诊断 | 第23-35页 |
| 3.1 人工神经网络的基本原理 | 第23-27页 |
| 3.1.1 神经元 | 第23-24页 |
| 3.1.2 传递函数 | 第24-25页 |
| 3.1.3 神经网络的特点 | 第25-26页 |
| 3.1.4 神经网络的分类 | 第26-27页 |
| 3.2 BP神经网络 | 第27-28页 |
| 3.2.1 BP神经网络的结构 | 第27页 |
| 3.2.2 BP神经网络的设计 | 第27-28页 |
| 3.2.3 BP神经网络的缺陷 | 第28页 |
| 3.3 变压器故障诊断的BP神经网络模型 | 第28-31页 |
| 3.3.1 BP神经网络模型建立 | 第29-30页 |
| 3.3.2 BP神经网络的数据处理 | 第30-31页 |
| 3.4 BP网络学习算法 | 第31-34页 |
| 3.5 BP网络结果分析 | 第34-35页 |
| 第四章 基于遗传算法优化BP神经网络的变压器故障诊断 | 第35-41页 |
| 4.1 遗传算法简介 | 第35页 |
| 4.2 遗传算法的特点 | 第35-36页 |
| 4.3 遗传算法的基本原理 | 第36-37页 |
| 4.4 遗传算法流程的基本要素 | 第37-38页 |
| 4.5 遗传算法优化神经网络构建的思路及步骤 | 第38-39页 |
| 4.6 遗传算法优化BP网络仿真实验 | 第39-40页 |
| 4.7 本章小结 | 第40-41页 |
| 第五章 故障诊断系统的仿真分析与测试 | 第41-45页 |
| 5.1 训练网络 | 第41-43页 |
| 5.2 故障诊断 | 第43-44页 |
| 5.3 本章小结 | 第44-45页 |
| 结论 | 第45-46页 |
| 参考文献 | 第46-51页 |
| 致谢 | 第51-52页 |