| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第一章 绪论 | 第10-14页 |
| ·电力变压器状态分析和故障诊断智能方法研究的目的和意义 | 第10-11页 |
| ·变压器状态分析和故障诊断研究应用现状 | 第11-12页 |
| ·本文的主要工作和论文结构 | 第12-13页 |
| ·本文的主要工作 | 第12-13页 |
| ·论文的组织结构 | 第13页 |
| ·本章小结 | 第13-14页 |
| 第二章 变压器状态分析简介及相关技术介绍 | 第14-34页 |
| ·变压器故障诊断分析简介 | 第14-15页 |
| ·变压器故障诊断相关智能方法介绍 | 第15-19页 |
| ·人工神经网络法 | 第15-16页 |
| ·粗糙集理论法 | 第16-17页 |
| ·模糊理论法 | 第17页 |
| ·贝叶斯网络法 | 第17-18页 |
| ·支持向量机法 | 第18-19页 |
| ·数据预处理方法 | 第19-24页 |
| ·DGA 数据预处理简介 | 第19-20页 |
| ·时间序列模型 | 第20-23页 |
| ·VARX 模型 | 第23-24页 |
| ·数据特征量提取方法 | 第24-30页 |
| ·DGA 气体特征量提取 | 第24-25页 |
| ·偏最小二乘方法（PLS） | 第25-29页 |
| ·其他特征量提取方法 | 第29-30页 |
| ·数据分类方法 | 第30-33页 |
| ·支持向量机分类原理 | 第30-32页 |
| ·贝叶斯分类原理 | 第32-33页 |
| ·本章小结 | 第33-34页 |
| 第三章 变压器状态分析和决策模型 | 第34-46页 |
| ·模型框架 | 第34-35页 |
| ·故障诊断和决策模型 | 第35-42页 |
| ·基于贝叶斯控制图决策的优势 | 第35-36页 |
| ·部分观测马尔科夫决策过程 | 第36-39页 |
| ·决策阈值的计算和决策 | 第39-42页 |
| ·实验结果及分析 | 第42-45页 |
| ·本章小结 | 第45-46页 |
| 第四章 决策模型在实际项目中的应用 | 第46-60页 |
| ·项目简介 | 第46-47页 |
| ·项目模型 | 第47-51页 |
| ·软件架构 | 第51-52页 |
| ·成果应用 | 第52-59页 |
| ·应用成果展示 | 第52-53页 |
| ·应用分析 | 第53-59页 |
| ·本章小结 | 第59-60页 |
| 结论与展望 | 第60-62页 |
| 参考文献 | 第62-65页 |
| 攻读硕士学位期间取得的研究成果 | 第65-66页 |
| 致谢 | 第66-67页 |
| 附件 | 第67页 |