| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 绪论 | 第9-17页 |
| ·变电站状态监测与故障诊断系统研究的背景和意义 | 第9-10页 |
| ·国内外相关技术发展状况 | 第10-13页 |
| ·国外相关技术发展状况 | 第10-12页 |
| ·国内相关技术发展状况 | 第12-13页 |
| ·变压器在线监测系统组成及关键技术 | 第13-16页 |
| ·系统组成 | 第13-14页 |
| ·系统关键技术 | 第14-16页 |
| ·本文主要研究内容 | 第16-17页 |
| 2 支持向量机和经验模态分解 | 第17-31页 |
| ·支持向量机 | 第17-26页 |
| ·支持向量机分类 | 第17-20页 |
| ·支持向量机回归 | 第20-24页 |
| ·核函数 | 第24-25页 |
| ·最小二乘支持向量机(LS-SVM)回归方法 | 第25-26页 |
| ·经验模态分解(EMD)方法 | 第26-29页 |
| ·EMD的提出-瞬时频率 | 第26页 |
| ·固有模态函数 | 第26-27页 |
| ·EMD“筛分”特性 | 第27-29页 |
| ·本章小结 | 第29-31页 |
| 3 变压器油中溶解气体分析与诊断方法研究 | 第31-45页 |
| ·目前变压器油中溶解气体分析(DGA)处理方法 | 第32-34页 |
| ·邻域粒子群优化算法(PSO)及其对神经网络的优化 | 第34-36页 |
| ·PSO算法 | 第34页 |
| ·邻域PSO算法 | 第34-36页 |
| ·邻域PSO算法优化的BP神经网络 | 第36页 |
| ·邻域PSO改进的神经网络在变压器故障诊断中的应用 | 第36-38页 |
| ·输入层设计 | 第36-37页 |
| ·数据预处理 | 第37页 |
| ·输出层设计 | 第37-38页 |
| ·诊断实例 | 第38页 |
| ·最小二乘支持向量机多分类法在变压器DGA中的应用 | 第38-43页 |
| ·最小二乘支持向量机多分类算法 | 第38-41页 |
| ·诊断实例分析 | 第41-43页 |
| ·本章小结 | 第43-45页 |
| 4 变压器局部放电在线监测系统及其抗干扰技术 | 第45-55页 |
| ·局部放电的检测方法 | 第46-48页 |
| ·主要干扰源 | 第48页 |
| ·当前变压器局部放电抗干扰技术研究 | 第48-53页 |
| ·本章小结 | 第53-55页 |
| 5 局部放电监测中窄带干扰和随机噪声的抑制方法 | 第55-81页 |
| ·基于LS-SVM回归拓延的频域分析法及在窄带干扰抑制中的应用 | 第55-59页 |
| ·频域阈值法 | 第55页 |
| ·传统频域分析法 | 第55-56页 |
| ·基于LS-SVM回归拓延的频域分析法 | 第56页 |
| ·LS-SVM回归拓延频域分析法抑制窄带干扰仿真分析 | 第56-58页 |
| ·LS-SVM回归拓延频域分析法抑制窄带干扰应用实例 | 第58-59页 |
| ·基于经验模态分解的窄带干扰抑制方法及其应用 | 第59-67页 |
| ·基于经验模态分解的窄带干扰抑制方法 | 第60页 |
| ·基于经验模态分解的方法抑制窄带干扰仿真分析 | 第60-64页 |
| ·基于经验模态分解的方法抑制窄带干扰应用实例 | 第64-67页 |
| ·基于EMD和自适应噪声对消算法的窄带干扰抑制方法及其应用 | 第67-71页 |
| ·基于EMD和自适应噪声对消算法的基本原理 | 第67-68页 |
| ·EMD和自适应噪声对消算法抑制窄带干扰仿真分析 | 第68-70页 |
| ·EMD和自适应噪声对消算法抑制窄带干扰应用实例 | 第70-71页 |
| ·基于EMD和IMF自适应阈值重构方法的窄带干扰抑制及其应用 | 第71-78页 |
| ·基于EMD和IMF自适应阈值重构方法 | 第72-73页 |
| ·EMD和IMF自适应阈值重构方法去噪仿真分析 | 第73-77页 |
| ·EMD和IMF自适应阈值重构方法去噪应用实例 | 第77-78页 |
| ·本章小结 | 第78-81页 |
| 6 结论与展望 | 第81-83页 |
| ·结论 | 第81-82页 |
| ·展望 | 第82-83页 |
| 致谢 | 第83-85页 |
| 参考文献 | 第85-93页 |
| 攻读硕士期间发表的论文及参加项目 | 第93页 |
