| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-13页 |
| 1.1 课题研究的背景及意义 | 第9页 |
| 1.2 变压器故障诊断技术的国内外研究现状 | 第9-11页 |
| 1.3 本文的主要研究内容 | 第11-13页 |
| 第2章 基于油中溶解气体分析的变压器故障诊断 | 第13-20页 |
| 2.1 变压器油中溶解气体分析（DGA）原理 | 第13-16页 |
| 2.1.1 变压器油中气体产生机理 | 第13-14页 |
| 2.1.2 正常运行下变压器油的气体成分 | 第14-15页 |
| 2.1.3 变压器的内部故障与油中特征气体的关系 | 第15-16页 |
| 2.2 变压器油中溶解气体分析（DGA）常用方法 | 第16-19页 |
| 2.2.1 四比值判断法 | 第16-17页 |
| 2.2.2 IEC三比值判断法 | 第17-18页 |
| 2.2.3 日本电协研法 | 第18-19页 |
| 2.3 本章小结 | 第19-20页 |
| 第3章 粒子群优化算法及参数分析 | 第20-26页 |
| 3.1 粒子群优化算法的起源和产生背景 | 第20-21页 |
| 3.2 粒子群优化算法原理及优化流程 | 第21-22页 |
| 3.3 粒子群优化算法的改进及分析 | 第22-24页 |
| 3.3.1 标准粒子群优化算法 | 第22-23页 |
| 3.3.2 离散粒子群优化算法 | 第23-24页 |
| 3.4 粒子群优化算法的参数分析 | 第24-25页 |
| 3.5 本章小结 | 第25-26页 |
| 第4章 神经网络原理及应用 | 第26-32页 |
| 4.1 神经网络的基本概念 | 第26-27页 |
| 4.2 BP神经网络 | 第27-30页 |
| 4.2.1 BP神经网络结构 | 第27-28页 |
| 4.2.2 BP神经网络学习算法 | 第28-30页 |
| 4.3 神经网络在电力系统中的应用发展 | 第30-31页 |
| 4.4 本章小结 | 第31-32页 |
| 第5章 基于粒子群优化算法改进BP神经网络的变压器故障诊断 | 第32-49页 |
| 5.1 变压器故障诊断的BP神经网络模型设计 | 第32-40页 |
| 5.1.1 BP神经网络结构的确定 | 第32-35页 |
| 5.1.2 样本选择及预处理 | 第35-36页 |
| 5.1.3 BP神经网络算法的选择 | 第36-40页 |
| 5.2 粒子群优化算法改进BP神经网络的策略制定 | 第40-42页 |
| 5.3 基于PSO-BP神经网络的变压器故障诊断系统的仿真、测试 | 第42-48页 |
| 5.3.1 故障诊断系统建立以及仿真分析 | 第42-46页 |
| 5.3.2 故障诊断系统的测试 | 第46-48页 |
| 5.4 本章小结 | 第48-49页 |
| 第6章 结论与展望 | 第49-51页 |
| 6.1 论文内容总结 | 第49页 |
| 6.2 工作展望 | 第49-51页 |
| 参考文献 | 第51-54页 |
| 攻读硕士学位期间发表的论文及其他成果 | 第54-55页 |
| 致谢 | 第55-56页 |
| 附录 | 第56-59页 |