基于信息融合的大型电力变压器故障诊断
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-7页 |
| 1 绪论 | 第7-18页 |
| 1．1 引言 | 第7-8页 |
| 1．2 电力变压器试验方法分析 | 第8-10页 |
| 1．3 获得电力变压器状态信息常用方法分析 | 第10-11页 |
| 1．4 人工智能技术在变压器故障诊断中的应用 | 第11-16页 |
| 1．4．1 专家系统(ES) | 第11-13页 |
| 1．4．2 人工神经网络(ANN) | 第13-14页 |
| 1．4．3 模糊理论(FZ) | 第14-15页 |
| 1．4．4 遗传算法(GA) | 第15-16页 |
| 1．4．5 几种智能方法的综合 | 第16页 |
| 1．5 本文的主要工作 | 第16-18页 |
| 2 基本原理 | 第18-39页 |
| 2．1 基于变压器油气相色谱分析的故障判断原理 | 第18-21页 |
| 2．2 模糊数学 | 第21-27页 |
| 2．2．1 模糊聚类分析 | 第21-24页 |
| 2．2．2 模糊模式识别 | 第24-25页 |
| 2．2．3 综合评判 | 第25-27页 |
| 2．3 BP神经网络 | 第27-31页 |
| 2．4 遗传算法 | 第31-37页 |
| 2．5 信息融合技术 | 第37-39页 |
| 3 基于信息融合技术的变压器故障诊断模型 | 第39-45页 |
| 3．1 基于 BP网络的故障特征融合 | 第39-42页 |
| 3．2 故障诊断与信息融合的关系 | 第42-44页 |
| 3．3 基于信息融合技术的变压器故障诊断系统结构 | 第44-45页 |
| 4 算例结果及分析 | 第45-51页 |
| 4．1 原始训练样本集的建立 | 第45-47页 |
| 4．2 网络训练与测试 | 第47-50页 |
| 4．3 数据分析 | 第50-51页 |
| 5 结束语 | 第51-52页 |
| 参考文献 | 第52-55页 |
| 致谢 | 第55-56页 |
| 攻读学位期间发表的学术论文目录 | 第56-57页 |
| 学位论文评阅及答辩情况表 | 第57页 |
