首页--工业技术论文--电工技术论文--变压器、变流器及电抗器论文--一般性问题论文--维护、检修论文

基于粒子群优化的变压器故障诊断与预测研究

摘要第1-4页
Abstract第4-9页
第1章 绪论第9-17页
   ·论文研究的背景和意义第9-10页
   ·变压器故障诊断和预测的研究现状第10-14页
   ·粒子群优化算法的发展及在变压器故障诊断中的应用第14-16页
     ·粒子群优化算法的发展简述第14-15页
     ·粒子群算法在变压器故障诊断中的应用第15-16页
   ·本文的主要工作与创新点第16-17页
第2章 变压器油中溶解气体分析及常规故障诊断方法第17-25页
   ·变压器油中溶解气体的分析第17-20页
     ·正常变压器油中溶解气体含量及产气速率分析第17-19页
     ·变压器油中气体含量与变压器内部故障的关系第19-20页
   ·常规变压器故障诊断方法第20-24页
     ·罗杰斯的四比值判断法第20-21页
     ·IEC 的三比值判断法第21-22页
     ·日本电协研法第22-23页
     ·改良 IEC 三比值法第23-24页
   ·本章小结第24-25页
第3章 粒子群优化算法及其参数的仿真分析第25-43页
   ·粒子群优化算法的起源和产生背景第25-26页
   ·粒子群算法原理及优化流程第26-27页
   ·粒子群算法的改进及分析第27-32页
     ·标准粒子群算法第27-29页
     ·离散粒子群算法第29-30页
     ·小生境粒子群算法第30-31页
     ·基于其它优化技术的混合粒子群算法第31-32页
   ·粒子群算法的参数分析第32-34页
   ·加速因子非线性搭配的实验分析第34-42页
     ·加速因子二次递增搭配的仿真实验第34-38页
     ·加速因子其它非线性搭配的仿真实验第38-42页
   ·本章小结第42-43页
第4章 基于 IEC 三比值和 BP 神经网络的变压器故障诊断第43-51页
   ·变压器故障样本的搜集及预处理第43-45页
     ·故障样本的搜集和整理第43-44页
     ·故障样本的预处理第44-45页
   ·基于改良 IEC 三比值法的变压器故障诊断第45页
   ·基于 BP 神经网络的变压器故障诊断第45-49页
     ·BP 神经网络的基本概念第45-46页
     ·基于 BP 神经网络变压器故障诊断系统的建立第46-47页
     ·基于 BP 神经网络的变压器故障诊断第47-49页
   ·本章小结第49-51页
第5章 基于粒子群优化 BP 神经网络的变压器故障诊断第51-61页
   ·粒子群优化 BP 神经网络的可实现性及其发展第51-53页
     ·BP 神经网络的缺陷以及 PSO 优化 BP 神经网络的可实现性第51页
     ·粒子群优化神经网络的发展概况第51-53页
   ·自适应粒子群优化 BP 神经网络的策略制定第53-56页
     ·粒子群优化 BP 神经网络的关键技术及流程第53-55页
     ·自适应 PSO-BP 的策略制定第55-56页
   ·基于自适应 PSO-BP 的变压器故障诊断系统的建立第56-57页
   ·基于自适应 PSO-BP 变压器故障诊断的仿真分析第57-60页
     ·自适应 PSO-BP 的参数设置第57页
     ·变压器故障诊断结果及分析第57-60页
   ·本章小结第60-61页
第6章 基于粒子群优化径向基神经网络的变压器故障预测第61-77页
   ·径向基神经网络第61-65页
     ·径向基神经网络的结构分析第61-62页
     ·径向基神经网络的参数分析第62-65页
   ·PSO-RBF 的流程及改进策略第65-67页
     ·PSO-RBF 的实现方法和流程第65-66页
     ·PSO-RBF 的改进策略第66-67页
   ·基于改进 PSO-RBF 的变压器故障预测第67-75页
     ·基于改进 PSO-RBF 的周期性采样气体的预测第67-70页
     ·基于改进 PSO-RBF 的非周期性采样气体的预测第70-75页
   ·本章小结第75-77页
第7章 结论第77-79页
   ·研究总结第77-78页
   ·需进一步开展的工作第78-79页
参考文献第79-85页
致谢第85-87页
附录 A 变压器故障样本第87-90页
附录 B 粒子群参数分析第90-103页
个人简历、在学期间发表的学术论文与研究成果第103页

论文共103页,点击 下载论文
上一篇:稀土发光材料在染料敏化太阳能电池中的应用
下一篇:基于支持向量机的风电场短期风速预测方法研究