基于概率神经网络的变压器局部放电模式识别研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-19页 |
| 1.1 变压器局部放电研究的目的及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-16页 |
| 1.2.1 局部放电检测方法及基本信号提取 | 第10-14页 |
| 1.2.2 局部放电特征量提取 | 第14-15页 |
| 1.2.3 局部放电模式识别器设计 | 第15-16页 |
| 1.3 存在的问题 | 第16-17页 |
| 1.4 本文主要研究内容及章节安排 | 第17-19页 |
| 第二章 变压器局部放电特征量设计 | 第19-34页 |
| 2.1 局部放电灰度图构造 | 第19-31页 |
| 2.1.1 局部放电模式构造 | 第19-22页 |
| 2.1.2 局部放电模型 | 第22-25页 |
| 2.1.3 局部放电实验平台及信号采集系统 | 第25-29页 |
| 2.1.4 局部放电灰度图像 | 第29-31页 |
| 2.2 局部放电灰度矩特征 | 第31-33页 |
| 2.2.1 矩的基本原理 | 第31-32页 |
| 2.2.2 局部放电灰度矩特征设计 | 第32-33页 |
| 2.3 小结 | 第33-34页 |
| 第三章 变压器局部放电模式识别 | 第34-54页 |
| 3.1 基于PNN的局部放电模式识别 | 第34-40页 |
| 3.1.1 PNN基本算法 | 第36-38页 |
| 3.1.2 设计网络结构以及结果分析 | 第38-40页 |
| 3.2 基于BP的局部放电模式识别 | 第40-45页 |
| 3.2.1 BP基本算法 | 第41-42页 |
| 3.2.2 结果分析 | 第42-45页 |
| 3.3 基于ELM的局部放电模式识别 | 第45-49页 |
| 3.3.1 ELM基本算法 | 第46-47页 |
| 3.3.2 结果分析 | 第47-49页 |
| 3.4 基于NB的局部放电模式识别 | 第49-52页 |
| 3.4.1 NB基本算法 | 第49-51页 |
| 3.4.2 结果分析 | 第51-52页 |
| 3.5 小结 | 第52-54页 |
| 第四章 优化概率神经网络模型 | 第54-62页 |
| 4.1 基于遗传算法优化平滑因子 | 第54-55页 |
| 4.2 遗传算法分析 | 第55-57页 |
| 4.3 算法设计及结果分析 | 第57-60页 |
| 4.4 小结 | 第60-62页 |
| 第五章 总结和展望 | 第62-64页 |
| 5.1 本文研究总结 | 第62页 |
| 5.2 未来工作展望 | 第62-64页 |
| 参考文献 | 第64-69页 |
| 致谢 | 第69-70页 |
| 攻读硕士期间发表论文 | 第70页 |
