| 摘要 | 第1-5页 |
| Abstract | 第5-7页 |
| 目录 | 第7-11页 |
| 第一章 绪论 | 第11-18页 |
| ·课题研究背景及意义 | 第11-12页 |
| ·变压器的设备检修 | 第12-13页 |
| ·变压器的故障诊断 | 第13-16页 |
| ·变压器故障诊断方法的研究状况 | 第13-14页 |
| ·基于DGA的变压器故障诊断的智能方法 | 第14-16页 |
| ·论文的主要研究内容和结构安排 | 第16-17页 |
| ·本章小结 | 第17-18页 |
| 第二章 基于DGA的电力变压器故障诊断分析 | 第18-33页 |
| ·变压器的结构、故障类型以及检测 | 第18-21页 |
| ·变压器的分类和结构简介 | 第18-19页 |
| ·电力变压器故障种类分类及监测技术 | 第19-21页 |
| ·油中溶解气体分析(DGA)原理 | 第21-26页 |
| ·电力变压器油中气体的产生机理简介 | 第21-23页 |
| ·变压器绝缘油产气和固体绝缘材料产气 | 第21-22页 |
| ·气体在变压器油中的溶解和逸出 | 第22-23页 |
| ·正常运行下变压器油中的气体成分含量 | 第23页 |
| ·电力变压器的内部故障与油中特征气体之间的关系 | 第23-26页 |
| ·基于油中溶解气体的传统诊断过程 | 第26-28页 |
| ·变压器有无故障的判断 | 第26页 |
| ·传统故障类型的判断方法——改良三比值法 | 第26-28页 |
| ·基于油中溶解气体的在线监测 | 第28-32页 |
| ·基于油中溶解气体的离线监测的不足 | 第28页 |
| ·基于油中溶解气体的在线监测原理 | 第28-29页 |
| ·基于油中溶解气体的在线监测的综述 | 第29-32页 |
| ·油气分离技术综述 | 第30-31页 |
| ·气体在线检测技术综述 | 第31-32页 |
| ·本章小结 | 第32-33页 |
| 第三章 基于Boosting算法的变压器故障诊断 | 第33-57页 |
| ·AdaBoost算法 | 第33-40页 |
| ·Boosting算法的来源 | 第33-34页 |
| ·Boosting算法的发展——AdaBoost | 第34-36页 |
| ·AdaBoost概述 | 第34页 |
| ·AdaBoost的原理 | 第34-36页 |
| ·AdaBoost算法性能分析 | 第36-38页 |
| ·α_1的证明过程 | 第36-37页 |
| ·AdaBoost的训练误差及收敛性分析 | 第37-38页 |
| ·AdaBoost.M2—多类分类算法 | 第38-40页 |
| ·弱分类器的选择 | 第40-44页 |
| ·弱分类器—BP神经网络的简介 | 第40-42页 |
| ·作为弱分类器BP神经网络的性能分析 | 第42-44页 |
| ·基于AdaBoost.M2和BP网络的变压器故障诊断的实现 | 第44-56页 |
| ·基于AdaBoost.M2和BP神经网络算法的流程 | 第44-45页 |
| ·基于AdaBoost.M2和BP的变压器故障诊断模型的实现 | 第45-50页 |
| ·弱分类器BP神经网络的结构的确定 | 第45-46页 |
| ·样本的选取与处理 | 第46-49页 |
| ·基于AdaBoost.M2和BP神经网络的模型建立 | 第49-50页 |
| ·实验仿真及分析 | 第50-56页 |
| ·实例诊断 | 第50-53页 |
| ·模型的错误率 | 第53-54页 |
| ·模型有效性的验证 | 第54-56页 |
| ·本章小结 | 第56-57页 |
| 第四章 基于灰色关联改进的BP神经网络变压器故障诊断 | 第57-77页 |
| ·BP神经网络隐含层节神经元数的优化问题 | 第57-60页 |
| ·BP神经网络隐层的作用 | 第57-58页 |
| ·隐含层神经元数对网络性能的影响及其传统选取方法 | 第58-60页 |
| ·灰色关联分析 | 第60-64页 |
| ·灰色系统理论概述 | 第60页 |
| ·灰色关联分析的原理和灰色关联度计算 | 第60-64页 |
| ·灰色关联分析的原理 | 第60-61页 |
| ·灰色关联公理与灰色关联度计算 | 第61-64页 |
| ·利用灰色关联分析优化BP神经网络结构 | 第64-67页 |
| ·灰色关联分析优化BP神经网络结构的原理 | 第64-65页 |
| ·灰色关联分析优化BP神经网络结构的模型建立 | 第65-67页 |
| ·优化模型参数的确定 | 第65页 |
| ·优化模型中关联度的计算方法 | 第65-66页 |
| ·利于灰色关联度优化BP神经网络的过程 | 第66-67页 |
| ·基于优化后的BP神经网络的变压器故障诊断 | 第67-76页 |
| ·样本数据的选取 | 第68页 |
| ·优化网络的学习训练过程 | 第68-72页 |
| ·优化前后BP神经网络的性能比较 | 第72-76页 |
| ·本章小结 | 第76-77页 |
| 第五章 总结与展望 | 第77-79页 |
| ·工作的总结 | 第77-78页 |
| ·下一步工作的展望 | 第78页 |
| ·本章小结 | 第78-79页 |
| 致谢 | 第79-80页 |
| 参考文献 | 第80-84页 |
| 附录A | 第84-85页 |
| 附录B | 第85-95页 |
