变压器在线故障诊断技术研究
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-15页 |
| ·选题背景及其意义 | 第9-10页 |
| ·国内外发展动态 | 第10-14页 |
| ·故障诊断 | 第10-13页 |
| ·在线监测与带电检测 | 第13-14页 |
| ·本文主要研究内容 | 第14-15页 |
| 第2章 变压器的故障统计及分析 | 第15-27页 |
| ·变压器的故障类型 | 第15-17页 |
| ·绕组故障 | 第15页 |
| ·端子排故障 | 第15-16页 |
| ·套管故障 | 第16页 |
| ·分接头开关故障 | 第16页 |
| ·油故障 | 第16-17页 |
| ·铁芯故障 | 第17页 |
| ·其它故障 | 第17页 |
| ·国网2000-2005年主变压器故障统计 | 第17-19页 |
| ·故障在线监测技术 | 第19-20页 |
| ·变电设备在线监测原理 | 第19-20页 |
| ·变电设备在线监测技术 | 第20页 |
| ·故障产气特征 | 第20-23页 |
| ·变压器过热故障下的产气特征 | 第20-21页 |
| ·变压器放电故障下的产气特征 | 第21-23页 |
| ·油气分离技术的研究 | 第23-25页 |
| ·变压器在线监测油气分离基本要求 | 第23-24页 |
| ·常用油气分离技术介绍 | 第24-25页 |
| ·本章小结 | 第25-27页 |
| 第3章 基于DGA和BP算法的变压器故障在线诊断 | 第27-49页 |
| ·引言 | 第27-28页 |
| ·人工神经网络概述 | 第28-31页 |
| ·人工神经元 | 第28-29页 |
| ·人工神经元网络模型 | 第29-31页 |
| ·人工神经元网络的学习过程 | 第31页 |
| ·多层网络的误差逆传播校正参数方法 | 第31-41页 |
| ·BP神经网络的概述 | 第31-32页 |
| ·BP网络算法流程 | 第32-39页 |
| ·BP算法的改进方法 | 第39-41页 |
| ·基于BP网络算法的变压器在线故障诊断 | 第41-44页 |
| ·训练样本的选取 | 第42-43页 |
| ·输入、输出向量的确定 | 第43-44页 |
| ·激活函数的形式 | 第44页 |
| ·算例研究 | 第44-49页 |
| ·数据的归一化预处理 | 第44-45页 |
| ·样本集的选取 | 第45-47页 |
| ·诊断结果 | 第47-48页 |
| ·本章小结 | 第48-49页 |
| 第4章 总结与展望 | 第49-50页 |
| 参考文献 | 第50-53页 |
| 致谢 | 第53-54页 |
| 攻读硕士学位期间发表的学术论文 | 第54-55页 |
| 作者简介 | 第55页 |
