| 提要 | 第1-9页 |
| 第1章 绪论 | 第9-27页 |
| ·引言 | 第9-10页 |
| ·油中溶解气体分析的原理 | 第10-13页 |
| ·正常电力变压器DGA含量极限 | 第10-11页 |
| ·故障电力变压器DGA含量分析 | 第11-13页 |
| ·电力变压器故障诊断方法的国内外研究现状 | 第13-24页 |
| ·电力变压器状态评估的国内外研究现状 | 第13-18页 |
| ·电力变压器故障诊断的国内外研究现状 | 第18-23页 |
| ·电力变压器故障预测的国内外研究现状 | 第23-24页 |
| ·本文的主要研究内容 | 第24-27页 |
| 第2章 智能信息处理理论的关键技术 | 第27-55页 |
| ·云模型 | 第27-29页 |
| ·隶属云定义 | 第27-28页 |
| ·基本云模型 | 第28-29页 |
| ·X条件云模型 | 第29页 |
| ·灰色系统理论 | 第29-43页 |
| ·灰生成 | 第29-31页 |
| ·灰关联度 | 第31-33页 |
| ·灰靶理论 | 第33-34页 |
| ·灰聚类分析 | 第34-41页 |
| ·灰预测模型 | 第41-43页 |
| ·人工免疫系统 | 第43-45页 |
| ·生物免疫系统 | 第44-45页 |
| ·人工免疫系统 | 第45页 |
| ·支持向量机 | 第45-48页 |
| ·SVM基本原理 | 第46页 |
| ·线性支持向量机 | 第46-48页 |
| ·遗传算法 | 第48-53页 |
| ·遗传算法基本流程 | 第48-49页 |
| ·编码 | 第49-50页 |
| ·遗传算法的适应度函数 | 第50-51页 |
| ·遗传算子 | 第51-53页 |
| ·遗传算法的控制参数 | 第53页 |
| ·本章小结 | 第53-55页 |
| 第3章 电力变压器状态评估算法研究 | 第55-89页 |
| ·电力变压器状态评估指标 | 第55-56页 |
| ·电力变压器状态评估分级 | 第56-57页 |
| ·电力变压器状态评估指标的白化权函数 | 第57-83页 |
| ·电气试验项目的云模型白化权函数 | 第57-68页 |
| ·绝缘油特性试验项目的云模型白化权函数 | 第68-72页 |
| ·油中溶解气体分析 | 第72-83页 |
| ·定性指标分析 | 第83页 |
| ·评估指标权重 | 第83-84页 |
| ·实例分析 | 第84-87页 |
| ·本章小结 | 第87-89页 |
| 第4章 电力变压器故障诊断算法研究 | 第89-111页 |
| ·电力变压器故障诊断算法框架 | 第89-90页 |
| ·遗传SVM的电力变压器故障状态诊断 | 第90-96页 |
| ·交叉验证 | 第91-92页 |
| ·非线性支持向量机 | 第92-93页 |
| ·SVM核函数 | 第93页 |
| ·核函数选择 | 第93-94页 |
| ·遗传算法的SVM核函数参数优化 | 第94-96页 |
| ·灰色人工免疫算法的电力变压器故障诊断 | 第96-108页 |
| ·克隆选择算法 | 第96-97页 |
| ·疫苗机制的免疫算法 | 第97-98页 |
| ·抗原和抗体的编码机制 | 第98-99页 |
| ·初始抗体集和初始抗原集的选择 | 第99-100页 |
| ·灰关联度的亲和力计算方法 | 第100-102页 |
| ·克隆选择和动态疫苗机制的高频变异 | 第102-103页 |
| ·记忆抗体集训练流程 | 第103-105页 |
| ·记忆抗体集训练结果 | 第105-108页 |
| ·实验结果及分析 | 第108-109页 |
| ·本章小结 | 第109-111页 |
| 第5章 电力变压器油中溶解气体浓度预测算法研究 | 第111-125页 |
| ·数据预处理 | 第111-112页 |
| ·油中溶解气体浓度数据的特点 | 第112-113页 |
| ·灰色Verhulst模型的油中溶解气体浓度预测方法 | 第113-116页 |
| ·灰色Verhulst模型的油中溶解气体浓度预测算法 | 第113-114页 |
| ·灰色Verhulst(ρ)模型 | 第114-116页 |
| ·实验结果及分析 | 第116页 |
| ·双层GM(1,1,ρ)新陈代谢模型的油中溶解气体浓度预测 | 第116-123页 |
| ·双层GM(1,1,ρ)新陈代谢模型的基本思想 | 第116-117页 |
| ·双层GM(1,1,ρ)新陈代谢模型 | 第117-119页 |
| ·DLGMM(1,1,ρ)模型的电力变压器油中溶解气体浓度预测 | 第119-122页 |
| ·新陈代谢参数实验分析 | 第122页 |
| ·实验结果及分析 | 第122-123页 |
| ·本章小结 | 第123-125页 |
| 第6章 电力变压器故障诊断软件平台与数据库 | 第125-151页 |
| ·电力变压器故障诊断和预测软件平台 | 第125-139页 |
| ·MATLAB图形用户界面 | 第125-126页 |
| ·电力变压器故障诊断和预测软件平台功能设计 | 第126-127页 |
| ·高斯灰聚类分析的电力变压器故障诊断 | 第127-130页 |
| ·电力变压器故障诊断软件平台 | 第130-137页 |
| ·电力变压器故障预测软件平台 | 第137-139页 |
| ·电力变压器故障诊断数据库 | 第139-149页 |
| ·Access数据库基础知识 | 第139-140页 |
| ·电力变压器状态评估数据库 | 第140-145页 |
| ·电力变压器故障诊断数据库 | 第145-147页 |
| ·电力变压器油中溶解气体浓度预测数据库 | 第147-149页 |
| ·本章小结 | 第149-151页 |
| 第7章 全文总结与展望 | 第151-155页 |
| ·全文总结 | 第151-153页 |
| ·工作展望 | 第153-155页 |
| 参考文献 | 第155-162页 |
| 攻读博士学位期间发表的学术论文 | 第162-164页 |
| 致谢 | 第164-165页 |
| 摘要 | 第165-168页 |
| ABSTRACT | 第168-171页 |
