基于信息融合的变压器状态评估与故障诊断
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 课题研究背景和意义 | 第10-12页 |
| 1.2 变压器状态评估的研究现状 | 第12-13页 |
| 1.3 变压器故障诊断的研究现状 | 第13-14页 |
| 1.4 本文主要工作 | 第14-16页 |
| 第二章 变压器故障类型及分析策略 | 第16-30页 |
| 2.1 引言 | 第16页 |
| 2.2 变压器故障类别 | 第16-18页 |
| 2.2.1 变压器故障划分 | 第16-17页 |
| 2.2.2 常见故障类型 | 第17-18页 |
| 2.3 变压器状态评估及故障诊断方法 | 第18-22页 |
| 2.3.1 状态评估方法 | 第18-19页 |
| 2.3.2 故障诊断方法 | 第19-22页 |
| 2.4 变压器油中溶解气体分析 | 第22-28页 |
| 2.4.1 有无故障的判断 | 第22-23页 |
| 2.4.2 故障性质的判断 | 第23-26页 |
| 2.4.3 故障热点温度的估算 | 第26-27页 |
| 2.4.4 DGA存在的不足 | 第27-28页 |
| 2.5 本章小结 | 第28-30页 |
| 第三章 基于BP神经网络的变压器状态评估 | 第30-48页 |
| 3.1 引言 | 第30页 |
| 3.2 BP神经网络原理 | 第30-34页 |
| 3.2.1 算法原理 | 第30-33页 |
| 3.2.2 预测步骤 | 第33-34页 |
| 3.3 基于BP神经网络的油中溶解气体预测模型 | 第34-42页 |
| 3.3.1 预测模型的建立 | 第34-35页 |
| 3.3.2 数据库介绍 | 第35-38页 |
| 3.3.3 模型训练过程 | 第38-42页 |
| 3.4 实例分析 | 第42-44页 |
| 3.5 对比分析 | 第44-46页 |
| 3.6 本章小结 | 第46-48页 |
| 第四章 基于信息融合的变压器故障诊断 | 第48-60页 |
| 4.1 引言 | 第48页 |
| 4.2 D-S证据理论 | 第48-51页 |
| 4.2.1 基本概念 | 第49-50页 |
| 4.2.2 Dempster合成规则 | 第50页 |
| 4.2.3 决策规则 | 第50-51页 |
| 4.3 变压器故障的多级决策融合模型 | 第51-52页 |
| 4.3.1 变压器故障的分层 | 第51页 |
| 4.3.2 变压器故障的多层决策融合模型 | 第51-52页 |
| 4.4 基于信息融合的故障诊断方法 | 第52-54页 |
| 4.4.1 基于BP网络的故障特征层融合 | 第52-53页 |
| 4.4.2 基于D-S证据理论的故障决策层融合 | 第53-54页 |
| 4.5 实例分析 | 第54-58页 |
| 4.6 本章小结 | 第58-60页 |
| 第五章 总结与展望 | 第60-62页 |
| 5.1 全文总结 | 第60-61页 |
| 5.2 研究工作展望 | 第61-62页 |
| 参考文献 | 第62-68页 |
| 附录 | 第68-72页 |
| 致谢 | 第72-74页 |
| 攻读硕士学位期间取得的研究成果 | 第74页 |
