| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4-5页 |
| 1 绪论 | 第8-17页 |
| 1.1 课题研究的背景及意义 | 第8-9页 |
| 1.2 基于信息融合技术的电力变压器故障综合诊断研究现状 | 第9-15页 |
| 1.2.1 信息融合技术的产生和发展 | 第9-10页 |
| 1.2.2 证据理论的发展及应用 | 第10-11页 |
| 1.2.3 变压器智能故障诊断技术研究现状及在信息融合中的作用 | 第11-14页 |
| 1.2.4 基于证据理论的变压器故障诊断研究现状 | 第14-15页 |
| 1.3 本文的主要研究内容 | 第15-17页 |
| 2 电力变压器故障特征及其参量研究 | 第17-35页 |
| 2.1 变压器不同运行阶段故障率特点及主要原因 | 第17-18页 |
| 2.2 电力变压器的故障特征及故障模式 | 第18-28页 |
| 2.2.1 变压器过热故障 | 第21-23页 |
| 2.2.2 变压器放电故障 | 第23-24页 |
| 2.2.3 变压器短路故障 | 第24-25页 |
| 2.2.4 变压器绝缘故障 | 第25-27页 |
| 2.2.5 变压器不同运行阶段故障特征参量主要区别 | 第27-28页 |
| 2.3 建立变压器故障特征参量集在变压器故障诊断中的作用 | 第28-29页 |
| 2.4 WEKA平台下特征参量选取方法 | 第29-31页 |
| 2.4.1 特征参量选择概述 | 第29-30页 |
| 2.4.2 WEKA平台下特征参量选择 | 第30-31页 |
| 2.5 WEKA平台下油色谱特征参量集建立 | 第31-33页 |
| 2.6 WEKA平台下电气试验数据特征参量集建立 | 第33-34页 |
| 2.7 本章小结 | 第34-35页 |
| 3 证据理论在电力变压器故障诊断中的应用研究 | 第35-52页 |
| 3.1 证据理论的基本概念 | 第35-36页 |
| 3.2 证据理论应用于变压器信息融合故障诊断中的关键问题 | 第36-37页 |
| 3.3 电力变压器故障特征多证据体构造方法 | 第37-45页 |
| 3.3.1 基于BP神经网络构造证据体 | 第38-40页 |
| 3.3.2 基于RBF神经网络构造证据体 | 第40-41页 |
| 3.3.3 基于SVM构造证据体 | 第41-43页 |
| 3.3.4 基于S-Kohonen模糊聚类构造证据体 | 第43-45页 |
| 3.4 电力变压器故障特征多证据体合成方法 | 第45-50页 |
| 3.4.1 基于分类的证据折扣方法 | 第47-49页 |
| 3.4.2 基于主元的证据折扣方法 | 第49-50页 |
| 3.5 基于电气试验、油色谱数据的多证据体故障融合诊断模型 | 第50-51页 |
| 3.6 小结 | 第51-52页 |
| 4 实例分析 | 第52-64页 |
| 4.1 多证据体信息融合故障诊断实例 1 | 第52-58页 |
| 4.2 多证据体信息融合故障诊断实例 2 | 第58-61页 |
| 4.3 总体识别效果分析 | 第61-63页 |
| 4.4 小结 | 第63-64页 |
| 5 结论 | 第64-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-71页 |
| 附录 | 第71页 |
| A. 作者在攻读学位期间发表的论文 | 第71页 |
| B. 作者在攻读学位期间参与的科研项目 | 第71页 |
