| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 选题背景及其意义 | 第9-10页 |
| 1.2 电力变压器状态检修国内外研究现状 | 第10-11页 |
| 1.2.1 电力变压器状态检修国外研究现状 | 第10-11页 |
| 1.2.2 电力变压器状态检修国内研究现状 | 第11页 |
| 1.3 电力变压器状态评估方法的研究现状 | 第11-13页 |
| 1.4 电力变压器可靠性评估方法的研究现状 | 第13-14页 |
| 1.5 论文的主要研究工作 | 第14-16页 |
| 第2章 电力变压器可靠性评估 | 第16-36页 |
| 2.1 可靠性评估方法 | 第16页 |
| 2.2 评估过程 | 第16-31页 |
| 2.2.1 建立故障树模型 | 第16-21页 |
| 2.2.2 故障模式与故障特征参量 | 第21-25页 |
| 2.2.3 隶属函数和故障特征概率 | 第25-27页 |
| 2.2.4 层次分析法 | 第27-28页 |
| 2.2.5 权重系数的确定 | 第28-30页 |
| 2.2.6 故障树概率的计算 | 第30-31页 |
| 2.2.7 部件故障概率的修正 | 第31页 |
| 2.2.8 可靠度 MATLAB 计算流程 | 第31页 |
| 2.3 评估所需信息 | 第31-35页 |
| 2.4 本章小结 | 第35-36页 |
| 第3章 基于遗传算法优化的 BP 网络可靠度计算 | 第36-43页 |
| 3.1 变压器可靠度计算 | 第36-37页 |
| 3.1.1 220kV 变压器可靠度计算 | 第36-37页 |
| 3.1.2 500kV 变压器可靠度计算 | 第37页 |
| 3.2 变压器检修范围划分 | 第37页 |
| 3.3 利用 BP 神经网络和 GA 优化的 BP 神经网络拟合变压器的可靠度 | 第37-42页 |
| 3.3.1 BP 神经网络 | 第38页 |
| 3.3.2 利用 BP 神经网络模型拟合变压器的可靠度 | 第38-39页 |
| 3.3.3 遗传（GA）优化算法 | 第39-41页 |
| 3.3.4 GA 优化的 BP 神经网络模型拟合变压器的可靠度 | 第41-42页 |
| 3.4 本章小结 | 第42-43页 |
| 第4章 变压器可靠度与风险评估中健康指数的对比研究 | 第43-50页 |
| 4.1 状态评估方法分类 | 第43页 |
| 4.2 变压器的风险评估 | 第43-46页 |
| 4.2.1 收集数据 | 第43页 |
| 4.2.2 风险评估过程 | 第43-46页 |
| 4.2.3 技术指标 | 第46页 |
| 4.2.4 实际评估算例 | 第46页 |
| 4.3 可靠性评估和风险评估对比 | 第46-49页 |
| 4.3.1 50 台 500kV 主变的可靠度值计算 | 第46-47页 |
| 4.3.2 计算原理对比 | 第47页 |
| 4.3.3 计算结果对比 | 第47-48页 |
| 4.3.4 两种评估方法确定检修范围 | 第48-49页 |
| 4.4 本章小结 | 第49-50页 |
| 第5章 可靠度与健康指数的特征量贡献度分析 | 第50-59页 |
| 5.1 变压器评估数据分析 | 第50页 |
| 5.2 贡献度计算 | 第50页 |
| 5.3 可靠度特征量贡献度分析 | 第50-56页 |
| 5.4 健康指数特征量贡献度分析 | 第56-58页 |
| 5.5 本章小结 | 第58-59页 |
| 第6章 结论与展望 | 第59-60页 |
| 参考文献 | 第60-63页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第63-64页 |
| 致谢 | 第64页 |
