变压器油中溶解气体在线监测系统研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第8-13页 |
| 1.1 研究背景及意义 | 第8页 |
| 1.2 油中溶解气体在线监测的国内外研究现状 | 第8-11页 |
| 1.2.1 油气分离方法研究现状 | 第9-10页 |
| 1.2.2 油中溶解气体检测方法研究现状 | 第10页 |
| 1.2.3 数字滤波算法研究现状 | 第10-11页 |
| 1.2.4 变压器故障诊断方法研究现状 | 第11页 |
| 1.3 主要研究内容及方法 | 第11-12页 |
| 1.4 论文的结构 | 第12-13页 |
| 第2章 油中溶解气体的产生机理及分析 | 第13-17页 |
| 2.1 油中气体产生机理分析 | 第13-15页 |
| 2.2 变压器常见故障分析 | 第15页 |
| 2.3 变压器常见故障与油中特征气体关系研究 | 第15-16页 |
| 2.4 本章小结 | 第16-17页 |
| 第3章 油中溶解气体在线监测系统设计 | 第17-27页 |
| 3.1 在线监测系统构建 | 第17页 |
| 3.2 油气分离单元设计 | 第17-19页 |
| 3.2.1 油气分离方法分析 | 第18-19页 |
| 3.2.2 油气分离单元分离膜的性能分析 | 第19页 |
| 3.3 混合气体分离单元设计 | 第19-21页 |
| 3.4 气体检测单元设计 | 第21-22页 |
| 3.5 数据采集单元设计 | 第22-24页 |
| 3.6 仿真及分析 | 第24-25页 |
| 3.7 本章小结 | 第25-27页 |
| 第4章 基于卡尔曼滤波算法的数据处理方法研究 | 第27-37页 |
| 4.1 卡尔曼滤波算法原理分析 | 第27-28页 |
| 4.2 卡尔曼滤波算法在色谱分析中的应用研究 | 第28-34页 |
| 4.2.1 色谱峰识别白噪声反卷积滤波算法分析 | 第29-31页 |
| 4.2.2 白噪声反卷积滤波算法建立及程序设计 | 第31页 |
| 4.2.3 仿真及分析 | 第31-34页 |
| 4.3 监测数据分析 | 第34-36页 |
| 4.4 本章小结 | 第36-37页 |
| 第5章 基于小波神经网络的变压器绝缘故障诊断研究 | 第37-47页 |
| 5.1 小波神经网络原理分析 | 第37-41页 |
| 5.1.1 小波神经网络结构分析 | 第38-39页 |
| 5.1.2 小波神经网络学习算法研究 | 第39-40页 |
| 5.1.3 小波神经网络训练 | 第40-41页 |
| 5.2 变压器油中溶解气体故障诊断模型建立 | 第41-44页 |
| 5.2.1 故障诊断模型的建立 | 第42页 |
| 5.2.2 训练样本选取及参数确定 | 第42-44页 |
| 5.3 故障诊断实例分析 | 第44-46页 |
| 5.4 本章小结 | 第46-47页 |
| 第6章 结论 | 第47-48页 |
| 参考文献 | 第48-51页 |
| 在学研究成果 | 第51-52页 |
| 致谢 | 第52页 |
