| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-19页 |
| 1.1 引言 | 第10-11页 |
| 1.2 电力变压器故障诊断的现实意义 | 第11-12页 |
| 1.3 电力变压器故障诊断技术的发展 | 第12-17页 |
| 1.3.1 基于DGA数据的传统诊断方法 | 第12-15页 |
| 1.3.2 基于DGA数据的智能诊断方法 | 第15-17页 |
| 1.4 本文主要研究内容 | 第17-19页 |
| 第二章 油浸式电力变压器基于DGA的常用检测方法 | 第19-30页 |
| 2.1 电力变压器常见故障类型 | 第19-21页 |
| 2.1.1 热性故障 | 第19页 |
| 2.1.2 电性故障 | 第19-21页 |
| 2.2 油浸式变压器溶解气体的分析 | 第21-25页 |
| 2.2.1 油中溶解气体产生机理 | 第21-23页 |
| 2.2.2 油中溶解气体成分组成 | 第23-25页 |
| 2.3 油中溶解气体与故障类型的关系 | 第25-27页 |
| 2.3.1 热性故障时油中溶解气体特征 | 第25-26页 |
| 2.3.2 电性故障时油中溶解气体特征 | 第26-27页 |
| 2.4 基于传统DGA数据常规诊断方法的缺陷 | 第27-29页 |
| 2.5 本章小结 | 第29-30页 |
| 第三章 人工鱼群算法的改进与测试 | 第30-50页 |
| 3.1 群智能优化算法应用 | 第30-31页 |
| 3.1.1 几种群智能算法 | 第30页 |
| 3.1.2 AFSA算法的提出和现状 | 第30-31页 |
| 3.2 人工鱼基本行为的数学描述 | 第31-35页 |
| 3.2.1 参数对收敛性能的影响分析 | 第31-32页 |
| 3.2.2 行为的描述与数学表达 | 第32-33页 |
| 3.2.3 AFSA算法的全局寻优原理 | 第33-35页 |
| 3.3 AFSA参数的改进 | 第35-39页 |
| 3.3.1 步长Step的改进 | 第35-38页 |
| 3.3.2 视野Visual的改进 | 第38页 |
| 3.3.3 拥挤度因子delta的改进 | 第38-39页 |
| 3.4 AFSA行为的改进 | 第39-43页 |
| 3.4.1 觅食行为的改进 | 第39-40页 |
| 3.4.2 聚群行为的改进 | 第40页 |
| 3.4.3 追尾行为的改进 | 第40-41页 |
| 3.4.4 跳跃行为的引入 | 第41-43页 |
| 3.5 IAFSA算法的性能测试 | 第43-48页 |
| 3.5.1 测试函数介绍 | 第44-45页 |
| 3.5.2 三维Rastrigin函数人工鱼收敛结果比较 | 第45-47页 |
| 3.5.3 算法迭代次数一定的情况下对收敛精度结果比较 | 第47-48页 |
| 3.6 本章小结 | 第48-50页 |
| 第四章 结合变压器特征气体的改进K-MEANS算法分析 | 第50-65页 |
| 4.1 RBF神经网络的概述与算法介绍 | 第50-54页 |
| 4.1.1 RBF神经网络结构模型和算法实现 | 第51-53页 |
| 4.1.2 RBF神经网络的聚类分析 | 第53-54页 |
| 4.2 变压器特征气体的分析确定 | 第54-58页 |
| 4.3 K-MEANS聚类算法的改进 | 第58-60页 |
| 4.3.1 改进鱼群算法(IAFSA)优化K-means聚类算法 | 第58-59页 |
| 4.3.2 优化算法中相关参数设定 | 第59-60页 |
| 4.4 基于变压器特征气体比值的相关实验 | 第60-64页 |
| 4.4.1 两种算法的对比试验 | 第60-63页 |
| 4.4.2 采用四种特征气体比值的分类实验 | 第63-64页 |
| 4.5 本章小结 | 第64-65页 |
| 第五章 基于IAFSA-RBF网络的变压器故障诊断结果分析 | 第65-81页 |
| 5.1 改进人工鱼群算法(IAFSA)优化RBF神经网络 | 第65-66页 |
| 5.1.1 IAFSA优化RBF神经网络的基本思路 | 第65页 |
| 5.1.2 IAFSA优化RBF神经网络的具体步骤 | 第65-66页 |
| 5.2 IAFSA-RBF神经网络的变压器故障诊断的模型建立 | 第66-67页 |
| 5.3 电力变压器故障类型(定性)诊断的实例仿真实现与分析 | 第67-80页 |
| 5.3.1 实验样本数据的预处理 | 第68-69页 |
| 5.3.2 对所建的诊断模型网络实现训练和结果分析 | 第69-75页 |
| 5.3.3 对训练好的故障诊断网络进行故障实例的诊断及分析 | 第75-80页 |
| 5.4 本章小结 | 第80-81页 |
| 第六章 论文总结与展望 | 第81-83页 |
| 6.1 本文工作总结 | 第81-82页 |
| 6.2 展望 | 第82-83页 |
| 参考文献 | 第83-87页 |
| 附录 | 第87-95页 |
| 附录Ⅰ：变压器故障油色谱数据(μL/L) | 第87-95页 |
| 致谢 | 第95-96页 |
| 攻读学位期间发表论文情况 | 第96-97页 |
| 攻读学位期间参加的科研工作 | 第97页 |
