| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 课题研究背景及研究意义 | 第8-9页 |
| 1.1.1 课题研究背景 | 第8-9页 |
| 1.1.2 课题研究意义 | 第9页 |
| 1.2 干式变压器电磁场研究现状 | 第9-10页 |
| 1.3 干式变压器温度场研究现状 | 第10-11页 |
| 1.4 干式变压器故障诊断方法研究现状 | 第11-13页 |
| 1.5 本文研究内容 | 第13-14页 |
| 第二章 干变电磁场及温度场理论基础 | 第14-26页 |
| 2.1 引言 | 第14页 |
| 2.2 电磁场基础理论 | 第14-19页 |
| 2.2.1 麦克斯韦方程组 | 第14-16页 |
| 2.2.2 标量磁位、矢量磁位 | 第16-18页 |
| 2.2.3 电磁场的边界条件 | 第18-19页 |
| 2.3 温度场基础理论 | 第19-21页 |
| 2.3.1 热传导 | 第19-20页 |
| 2.3.2 热对流 | 第20页 |
| 2.3.3 热辐射 | 第20页 |
| 2.3.4 温度场的边界条件 | 第20-21页 |
| 2.4 有限元基础理论 | 第21-24页 |
| 2.4.1 有限元方法基础简介 | 第21-22页 |
| 2.4.2 有限元分析思路 | 第22-23页 |
| 2.4.3 软件介绍 | 第23-24页 |
| 2.5 本章小结 | 第24-26页 |
| 第三章 干式变压器温度场建模及仿真计算 | 第26-38页 |
| 3.1 引言 | 第26页 |
| 3.2 干式变压器有限元建模 | 第26-31页 |
| 3.2.1 建立实体结构模型 | 第26-27页 |
| 3.2.2 分析结构模型 | 第27-28页 |
| 3.2.3 干变材料属性设置 | 第28-29页 |
| 3.2.4 干变的电流激励 | 第29-30页 |
| 3.2.5 网格划分 | 第30-31页 |
| 3.2.6 干变电磁场 | 第31页 |
| 3.3 干变温度场仿真结果及分析 | 第31-34页 |
| 3.4 干变仿真结果验证 | 第34-36页 |
| 3.5 本章小结 | 第36-38页 |
| 第四章 软测量技术及干变故障信息模拟 | 第38-52页 |
| 4.1 引言 | 第38页 |
| 4.2 软测量技术 | 第38-40页 |
| 4.2.1 软测量技术介绍 | 第38-39页 |
| 4.2.2 软测量技术基础原理 | 第39页 |
| 4.2.3 软测量建模方法 | 第39-40页 |
| 4.3 BP神经网络 | 第40-43页 |
| 4.3.1 BP神经网络算法的原理 | 第41-42页 |
| 4.3.2 BP神经网络算法的实现步骤 | 第42-43页 |
| 4.3.3 BP网络的缺陷 | 第43页 |
| 4.4 遗传算法 | 第43-46页 |
| 4.4.1 遗传算法的基本原理 | 第43-44页 |
| 4.4.2 遗传算法的实现 | 第44-46页 |
| 4.5 模拟干式变压器故障点信息 | 第46-50页 |
| 4.5.1 干变正常运行 | 第47-48页 |
| 4.5.2 干变局部放电 | 第48页 |
| 4.5.3 干变高压击穿 | 第48-49页 |
| 4.5.4 干变绝缘损坏 | 第49-50页 |
| 4.5.5 干变瞬间冲击大电流 | 第50页 |
| 4.6 本章小结 | 第50-52页 |
| 第五章 基于遗传算法优化BP网络的干变故障诊断模型 | 第52-64页 |
| 5.1 引言 | 第52页 |
| 5.2 遗传算法优化BP网络的干变故障诊断模型 | 第52-57页 |
| 5.2.1 用于干变故障诊断的BP网络的设计 | 第52-56页 |
| 5.2.3 样本的遗传算法 | 第56-57页 |
| 5.3 遗传算法优化BP网络的诊断模型实现 | 第57-59页 |
| 5.4 故障诊断系统测试结果 | 第59-63页 |
| 5.5 本章小结 | 第63-64页 |
| 第六章 总结与展望 | 第64-66页 |
| 6.1 总结 | 第64-65页 |
| 6.2 展望 | 第65-66页 |
| 参考文献 | 第66-70页 |
| 发表论文和参加科研情况 | 第70-72页 |
| 致谢 | 第72页 |