| 摘要 | 第1-7页 |
| Abstract | 第7-11页 |
| 第1章 绪论 | 第11-16页 |
| ·课题研究背景和意义 | 第11-13页 |
| ·国内外电力设备状态检修发展状况 | 第13-14页 |
| ·本文的主要研究内容及工作 | 第14-16页 |
| 第2章 变压器油中溶解气体分析及其传统诊断方法 | 第16-26页 |
| ·变压器常见内部故障种类及其原因 | 第16-18页 |
| ·过热故障 | 第16-17页 |
| ·放电故障 | 第17-18页 |
| ·变压器油中溶解气体分析技术 | 第18-22页 |
| ·变压器故障种类与油中气体的关系 | 第18-20页 |
| ·变压器的DGA 分析过程 | 第20-22页 |
| ·基于DGA 的变压器故障传统诊断方法 | 第22-25页 |
| ·本章小结 | 第25-26页 |
| 第3章 量子神经网络模型的研究 | 第26-40页 |
| ·量子神经网络模型的整体研究 | 第26-30页 |
| ·QNN 模型的研究背景 | 第26-27页 |
| ·QNN 模型结构的确定 | 第27-30页 |
| ·基于量子态叠加的QNN 模型 | 第30-34页 |
| ·量子态叠加QNN 模型原理及特点 | 第30-31页 |
| ·量子态叠加QNN 模型的建立 | 第31-33页 |
| ·量子态叠加QNN 模型的实现 | 第33-34页 |
| ·基于量子相位的QNN 模型 | 第34-39页 |
| ·量子相QNN 模型的原理及特点 | 第34-36页 |
| ·量子相QNN 模型的建立 | 第36-37页 |
| ·量子相QNN 模型的实现 | 第37-39页 |
| ·本章小结 | 第39-40页 |
| 第4章 基于DGA 的QNN 模型在变压器状态诊断中的应用研究 | 第40-56页 |
| ·引言 | 第40页 |
| ·QNN 模型输入/输出方式的确定 | 第40-42页 |
| ·QNN 模型学习样本的收集与预处理 | 第42-45页 |
| ·基于DGA 的量子态叠加QNN 模型的变压器状态诊断 | 第45-50页 |
| ·量子态叠加QNN 诊断模型训练与测试 | 第45-48页 |
| ·实际案例诊断分析 | 第48-50页 |
| ·基于DGA 的量子相QNN 模型的变压器状态诊断 | 第50-55页 |
| ·量子相QNN 诊断模型训练与测试 | 第51-52页 |
| ·实际案例诊断分析 | 第52-55页 |
| ·本章小结 | 第55-56页 |
| 第5章 变压器状态检修系统整体策略研究 | 第56-66页 |
| ·引言 | 第56页 |
| ·变压器状态检修系统原理架构研究 | 第56-64页 |
| ·变压器状态检修系统功能架构 | 第57-62页 |
| ·变压器状态检修系统技术架构 | 第62-64页 |
| ·开展变压器状态检修有待解决的问题 | 第64-65页 |
| ·管理层面的问题 | 第64页 |
| ·技术层面的问题 | 第64-65页 |
| ·本章小结 | 第65-66页 |
| 结论 | 第66-67页 |
| 设想与展望 | 第67-68页 |
| 参考文献 | 第68-73页 |
| 攻读学位期间取得的研究成果及发表的学术论文 | 第73-74页 |
| 致谢 | 第74页 |
