| 中文摘要 | 第1页 |
| 英文摘要 | 第4-7页 |
| 第一章 引言 | 第7-18页 |
| ·油浸变压器故障诊断与预测的目的及意义 | 第7-9页 |
| ·电力变压器故障诊断和数据预测的国内外研究现状 | 第9-17页 |
| ·油浸变压器油色谱故障诊断方法述评 | 第9-15页 |
| ·油浸变压器油色谱故障预测方法述评 | 第15-17页 |
| ·本文主要工作 | 第17-18页 |
| 第二章 基于 IGA 改进的 LS-SVM 变压器故障诊断 | 第18-33页 |
| ·支持向量机及其统计学理论基础 | 第18-23页 |
| ·统计学理论 | 第18-19页 |
| ·SVM 的基本思想 | 第19-20页 |
| ·支持向量机 | 第20-23页 |
| ·改进遗传算法（IGA） | 第23-27页 |
| ·遗传算法理论简介 | 第23页 |
| ·遗传算法 | 第23-24页 |
| ·改进遗传算法 | 第24-25页 |
| ·改进遗传算法的框架 | 第25-27页 |
| ·基于IGA 优化的LS-SVM 的变压器故障诊断 | 第27-32页 |
| ·LS-SVM 的分类算法 | 第27-28页 |
| ·多分类LS-SVM 算法分类过程 | 第28-29页 |
| ·核函数及参数选择 | 第29页 |
| ·基于IGA 优化的LS-SVM 的变压器故障诊断 | 第29-31页 |
| ·实例分析 | 第31-32页 |
| ·本章小结 | 第32-33页 |
| 第三章 基于 IGA 的 LS-SVM 的油浸变压器故障预测 | 第33-39页 |
| ·基于IGA 优化的LS-SVM 的变压器油中溶解气体浓度预测 | 第33-38页 |
| ·LS-SVM 函数估计算法 | 第33-34页 |
| ·IGA 优化LS-SVM 预测模型 | 第34-36页 |
| ·实例分析 | 第36-38页 |
| ·本章小结 | 第38-39页 |
| 第四章 电力变压器故障诊断与预测数据管理信息系统 | 第39-44页 |
| ·系统与数据库介绍 | 第39页 |
| ·评估系统总体设计 | 第39-42页 |
| ·实例分析 | 第42-43页 |
| ·本章小结 | 第43-44页 |
| 第五章 结论 | 第44-45页 |
| 参考文献 | 第45-48页 |
| 致谢 | 第48-49页 |
| 学期间发表的学术论文和参加科研情况 | 第49页 |
