基于神经网络的油浸式变压器故障诊断分析
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 1 绪论 | 第8-11页 |
| 1.1 选题意义 | 第8页 |
| 1.2 主变故障诊断国内外研究现状及意义 | 第8-9页 |
| 1.3 论文的主要工作 | 第9-11页 |
| 2 油浸式变压器故障现象及分析判断方法 | 第11-25页 |
| 2.1 主变故障类型和故障现象 | 第11-13页 |
| 2.1.1 主变故障类型 | 第11-12页 |
| 2.1.2 主变的故障现象和原因 | 第12-13页 |
| 2.2 变压器故障检测诊断方法 | 第13-17页 |
| 2.2.1 外观检查判断法 | 第14-15页 |
| 2.2.2 电气预防性试验方法 | 第15页 |
| 2.2.3 油中溶解气体分析法 | 第15-17页 |
| 2.3 油中气体判断故障方法 | 第17-19页 |
| 2.3.1 根据油中溶解气体组分含量判断故障 | 第18页 |
| 2.3.2 根据产气速率来判断故障 | 第18-19页 |
| 2.4 色谱分析判断设备故障性质和类型的方法 | 第19-25页 |
| 2.4.1 特征气体判断法 | 第20-22页 |
| 2.4.2 三比值法 | 第22-25页 |
| 3 商丘电网主变实际故障案例分析 | 第25-35页 |
| 3.1 商丘电网主变信息 | 第25-26页 |
| 3.2 过热故障案例分析 | 第26-32页 |
| 3.2.1 110kV宁陵变 | 第26-28页 |
| 3.2.2 110kV夏邑变 | 第28-30页 |
| 3.2.3 220kV梁庙变 | 第30-31页 |
| 3.2.4 110kV于城变 | 第31-32页 |
| 3.3 放电故障案例分析 | 第32-35页 |
| 3.3.1 220kV张阁变 | 第32-34页 |
| 3.3.2 500KV庄周变 | 第34-35页 |
| 4 主变故障诊断的神经网络方法实现 | 第35-48页 |
| 4.1 神经网络 | 第35-38页 |
| 4.1.1 神经网络的类型 | 第35-36页 |
| 4.1.2 对于故障诊断神经网络所具有的优势 | 第36-37页 |
| 4.1.3 神经网络在故障识别中的技术应用 | 第37-38页 |
| 4.2 神经网络在MATLAB的实现 | 第38-42页 |
| 4.2.1 MATLAB概述 | 第38-39页 |
| 4.2.2 MATLAB内神经网络模型 | 第39页 |
| 4.2.3 BP神经网络结构 | 第39-40页 |
| 4.2.4 BP算法使用及改进 | 第40-42页 |
| 4.2.5 BP算法的改进 | 第42页 |
| 4.3 用于变压器故障诊断的BP神经网络的设计 | 第42-45页 |
| 4.3.1 输入输出向量的确定 | 第42-43页 |
| 4.3.2 样本选取及预处理 | 第43-44页 |
| 4.3.3 激活函数、隐含层数、隐层节点数的选取 | 第44-45页 |
| 4.4 网络模型的训练和变压器故障诊断 | 第45-48页 |
| 5 结论与展望 | 第48-49页 |
| 参考文献 | 第49-50页 |
| 致谢 | 第50-51页 |
| 作者简历 | 第51页 |
