| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 1 绪论 | 第8-14页 |
| ·电力变压器故障预测的意义 | 第8-10页 |
| ·电力系统的安全性、稳定性和可靠性 | 第8-9页 |
| ·电力变压器故障对电力系统的影响 | 第9页 |
| ·变压器故障预测的重要性 | 第9-10页 |
| ·目前各领域常用的预测方法 | 第10-12页 |
| ·变压器故障预测 | 第12页 |
| ·论文的主要研究内容 | 第12页 |
| ·论文的主要工作 | 第12-14页 |
| 2 变压器常见故障分析 | 第14-18页 |
| ·变压器常见故障 | 第14-15页 |
| ·热故障 | 第14-15页 |
| ·放电故障 | 第15页 |
| ·变压器故障与油中溶解气体的关系 | 第15-17页 |
| ·小结 | 第17-18页 |
| 3 变压器故障预测的GM 算法研究 | 第18-34页 |
| ·GM 算法简介 | 第18-19页 |
| ·灰色系统和模型的特点 | 第18页 |
| ·灰色预测方法 | 第18-19页 |
| ·灰度预测建模及GM(1,1)模型在变压器故障预测中的应用 | 第19-22页 |
| ·灰色预测建模 | 第19页 |
| ·GM（1，1）模型及其在变压器故障预测中的应用 | 第19-22页 |
| ·GM(1,1)改进模型在变压器故障预测中的应用 | 第22-33页 |
| ·GM（1，N）在变压器故障预测中的应用 | 第23-25页 |
| ·遗传平滑优化GM（1，1，λ）在变压器故障预测中的应用 | 第25-27页 |
| ·加权均值GM(1，1)在变压器故障预测中的应用 | 第27-28页 |
| ·新陈代谢MGM(1,1)在变压器故障预测中的应用 | 第28-29页 |
| ·不等时距GM(1,1)在变压器故障预测中的应用 | 第29-32页 |
| ·不同改进模型之间的比较 | 第32-33页 |
| ·小结 | 第33-34页 |
| 4 BP 预测算法及改进模型在变压器故障预测中的应用 | 第34-64页 |
| ·人工神经网络与BP 预测模型 | 第34-41页 |
| ·人工神经网络 | 第34-37页 |
| ·BP 神经网络及 BP 预测模型在变压器故障预测中的应用 | 第37-41页 |
| ·遗传算法及遗传优化BP | 第41-44页 |
| ·遗传算法 | 第41-42页 |
| ·遗传算法实现及变压器故障预测的遗传优化BP 模型 | 第42-44页 |
| ·小生境遗传算法优化BP | 第44-49页 |
| ·小生境技术及小生境遗传算法 | 第44-48页 |
| ·变压器故障预测的隔离小生境遗传算法优化BP 模型 | 第48-49页 |
| ·模糊控制理论和自适应遗传优化BP | 第49-56页 |
| ·模糊控制理论 | 第49-54页 |
| ·变压器故障预测的模糊控制遗传优化BP 模型 | 第54-56页 |
| ·人工免疫遗传算法优化BP 模型 | 第56-63页 |
| ·人工免疫 | 第56-59页 |
| ·人工免疫算法 | 第59-62页 |
| ·变压器故障预测的人工免疫遗传优化BP 模型 | 第62-63页 |
| ·几种预测模型的比较 | 第63页 |
| ·小结 | 第63-64页 |
| 5. 基于改进GM 和改进BP 的几种组合预测模型在变压器故障预测中的应用研究 | 第64-69页 |
| ·组合优化模型 | 第64-65页 |
| ·基于改进GM 和改进BP 的变压器故障预测组合模型 | 第65-68页 |
| ·GM 优化模型或 BP 优化模型的“内组合” | 第65-67页 |
| ·优化GM 和优化BP 模型之间的“外组合” | 第67页 |
| ·多级组合模型 | 第67-68页 |
| ·小结 | 第68-69页 |
| 结论 | 第69-71页 |
| 参考文献 | 第71-78页 |
| 攻读硕士学位期间发表的论文 | 第78-79页 |
| 致谢 | 第79-80页 |
