| 摘要 | 第1-4页 |
| ABSTRACT | 第4-5页 |
| 目录 | 第5-8页 |
| 第一章 绪论 | 第8-15页 |
| ·研究背景与动机 | 第8-10页 |
| ·研究现状及选题依据 | 第10-13页 |
| ·电力变压器故障诊断研究现状 | 第10-11页 |
| ·案例推理（CBR）发展现状 | 第11-12页 |
| ·选题依据 | 第12-13页 |
| ·本课题研究的主要内容和重点 | 第13-15页 |
| ·研究方法与目标 | 第13页 |
| ·研究重难点 | 第13页 |
| ·研究步骤与方法 | 第13-15页 |
| 第二章 构建基于案例推理的故障诊断模型 | 第15-29页 |
| ·变压器故障分析 | 第15-19页 |
| ·短路故障类型分析 | 第15-16页 |
| ·放电故障类型分析 | 第16-17页 |
| ·绝缘故障类型分析 | 第17-19页 |
| ·基于案例的推理过程 | 第19-21页 |
| ·变压器的故障案例表示 | 第21-24页 |
| ·面向对象的案例表示 | 第21-24页 |
| ·故障案例的组织 | 第24页 |
| ·CBR 的故障案例检索 | 第24-26页 |
| ·故障案例相似度计算模型 | 第24-25页 |
| ·相似度计算 | 第25-26页 |
| ·故障案例的修正和学习 | 第26-27页 |
| ·案例的修正 | 第26-27页 |
| ·案例的学习 | 第27页 |
| ·电气试验在故障诊断中的应用 | 第27-28页 |
| ·电气试验与故障诊断 | 第27页 |
| ·电气试验数据处理 | 第27-28页 |
| ·基于案例推理的变压器故障诊断方案 | 第28页 |
| ·本章小结 | 第28-29页 |
| 第三章 变压器故障案例的检索策略 | 第29-36页 |
| ·K-NN 简介 | 第29-30页 |
| ·K-NN 改进算法 | 第30-31页 |
| ·动态 K-NN | 第30页 |
| ·权重调整的 K-NN | 第30-31页 |
| ·距离加权 K-NN | 第31页 |
| ·提出改进加权 K-NN 算法 | 第31-32页 |
| ·基于熵和聚类的的属性约简模型 | 第32-34页 |
| ·基于信息增益的属性选择 | 第32-33页 |
| ·聚类分析的特征权重提取 | 第33-34页 |
| ·性能评价结果分析 | 第34-35页 |
| ·数据预处理 | 第34页 |
| ·K-NN 评价分析 | 第34-35页 |
| ·本章小结 | 第35-36页 |
| 第四章 基于 DGA 数据的变压器故障诊断 | 第36-52页 |
| ·气相色谱原理与变压器内部故障分析 | 第36-40页 |
| ·变压器故障的气相色谱分析 | 第36-37页 |
| ·改良三比值法的 DGA 诊断 | 第37-39页 |
| ·DGA 诊断流程 | 第39-40页 |
| ·支持向量机（SVM）理论分析 | 第40-42页 |
| ·支持向量机（SVM） | 第40-41页 |
| ·二分类支持向量机 | 第41页 |
| ·多分类支持向量机 | 第41-42页 |
| ·构建果蝇优化支持向量机（FOA-SVM）的预测模型 | 第42-45页 |
| ·果蝇优化算法（FOA）简介 | 第42-43页 |
| ·FOA-SVM 变压器故障诊断模型的建立 | 第43-45页 |
| ·数据预处理 | 第45-47页 |
| ·果蝇优化 SVM 的参数寻优 | 第47-48页 |
| ·变压器故障分类结果与分析 | 第48-51页 |
| ·随机选择参数与 FOA-SVM 选择参数的分类准确率对比 | 第48-49页 |
| ·启发式算法参数寻优对比 | 第49-51页 |
| ·本章小结 | 第51-52页 |
| 第五章 案例推理的变压器故障诊断系统设计 | 第52-58页 |
| ·基于案例推理的故障诊断系统功能模块 | 第52-53页 |
| ·系统实现 | 第53-57页 |
| ·案例库设计 | 第53-54页 |
| ·基于案例推理的变压器故障诊断模型 | 第54-55页 |
| ·基于案例推理的变压器故障诊断结果分析 | 第55-57页 |
| ·本章小结 | 第57-58页 |
| 第六章 总结与展望 | 第58-60页 |
| ·总结 | 第58页 |
| ·展望 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 附录 A DGA 故障数据表 | 第64-82页 |
| 个人简历 在读期间发表的学术论文 | 第82-83页 |
| 致谢 | 第83-84页 |