| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 目录 | 第8-11页 |
| 第一章 绪论 | 第11-17页 |
| ·课题的研究背景和意义 | 第11页 |
| ·基于DGA的电力变压器故障预测技术研究现状 | 第11-12页 |
| ·基于DGA的电力变压器故障诊断技术研究现状 | 第12-14页 |
| ·本文的主要研究内容 | 第14-17页 |
| 第二章 电力变压器油中气体产生机理及传统故障诊断方法 | 第17-27页 |
| ·电力变压器油中溶解气体的来源 | 第17-18页 |
| ·空气的溶解 | 第17页 |
| ·正常运行产生的气体 | 第17-18页 |
| ·电力变压器发生故障时生成的气体 | 第18页 |
| ·电力变压器油中产气机理 | 第18-20页 |
| ·电力变压器的常见故障及其产气特征 | 第20-21页 |
| ·电力变压器热性故障及其产气特征 | 第20-21页 |
| ·电力变压器电性故障及其产气特征 | 第21页 |
| ·电力变压器油中气体分析技术 | 第21-23页 |
| ·电力变压器油中脱气方法 | 第21-22页 |
| ·电力变压器气体分析方法 | 第22-23页 |
| ·电力变压器油中溶解气体故障识别技术 | 第23-25页 |
| ·电力变压器油中溶解气体在线与便携检测技术 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 第三章 基于相关向量机的电力变压器故障预测研究 | 第27-39页 |
| ·常用预测模型 | 第27-30页 |
| ·相关向量机理论概述 | 第30-37页 |
| ·相关向量机基本原理 | 第30-32页 |
| ·核函数的类型 | 第32-33页 |
| ·相关向量机回归预测算法流程 | 第33页 |
| ·相关向量机相比于其他方法的优势 | 第33-34页 |
| ·算例验证分析 | 第34-37页 |
| ·基于相关向量机的电力变压器故障预测模型的提出 | 第37-38页 |
| ·本章小结 | 第38-39页 |
| 第四章 混合优化算法与模糊聚类相结合的变压器故障诊断模型 | 第39-61页 |
| ·聚类分析概述 | 第39-45页 |
| ·模糊聚类分析基本概念 | 第39页 |
| ·聚类分析的数学模型 | 第39-41页 |
| ·聚类分析方法的分类 | 第41-42页 |
| ·聚类相似性度量 | 第42-43页 |
| ·聚类目标函数 | 第43-45页 |
| ·粒子群算法及其改进 | 第45-49页 |
| ·粒子群优化算法概述 | 第45-48页 |
| ·粒子群优化算法的改进方式 | 第48-49页 |
| ·基于杂交的改进粒子群算法 | 第49页 |
| ·差分进化算法概述 | 第49-54页 |
| ·基于杂交粒子群与差分进化相结合的混合优化算法 | 第54-57页 |
| ·混合优化算法的提出 | 第54-56页 |
| ·混合优化算法性能验证 | 第56-57页 |
| ·基于混合优化算法与模糊聚类相结合的变压器故障诊断模型的提出 | 第57-59页 |
| ·本章小结 | 第59-61页 |
| 第五章 电力变压器故障预测与故障诊断实例分析 | 第61-75页 |
| ·基于相关向量机的电力变压器DGA故障预测模型仿真测试 | 第61-65页 |
| ·基于混合优化与模糊聚类相结合的电力变压器故障诊断实例分析 | 第65-74页 |
| ·本章小结 | 第74-75页 |
| 第六章 结论与展望 | 第75-77页 |
| 参考文献 | 第77-81页 |
| 致谢 | 第81-82页 |
| 攻读学位期间发表的学术论文 | 第82页 |
