基于DGA的变压器运行状态模糊模型识别方法研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第一章 绪论 | 第8-15页 |
| ·引言 | 第8-9页 |
| ·基于DGA的变压器故障诊断方法 | 第9-13页 |
| ·变压器故障描述 | 第9-10页 |
| ·基于DGA的变压器诊断方法研究和应用现状 | 第10-13页 |
| ·研究内容及章节安排 | 第13-15页 |
| 第二章 DGA产生的原因与特征分析 | 第15-22页 |
| ·变压器油中气体(DGA)的产生及正常运行特征 | 第15-18页 |
| ·变压器油中气体的产生 | 第15-16页 |
| ·气体在油中的溶解 | 第16-17页 |
| ·正常运行时变压器油中气体含量 | 第17-18页 |
| ·变压器故障类型与油中溶解气体的定性关系 | 第18-20页 |
| ·DGA诊断技术存在的问题及其发展 | 第20-22页 |
| 第三章 模糊逻辑与模糊模型 | 第22-34页 |
| ·模糊集及其运算 | 第22-26页 |
| ·模糊集 | 第22页 |
| ·隶属函数 | 第22-23页 |
| ·模糊运算 | 第23-24页 |
| ·模糊推理操作 | 第24-26页 |
| ·模糊模型的特征分析 | 第26-29页 |
| ·模糊模型的基本结构 | 第26-27页 |
| ·模糊模型的特征分析 | 第27-29页 |
| ·模糊模型的学习 | 第29-31页 |
| ·模糊模型的学习过程 | 第29-30页 |
| ·模糊模型学习涉及的内容 | 第30-31页 |
| ·模糊模型获取技术综述 | 第31-34页 |
| 第四章 TSK模糊模型的智能混合学习 | 第34-45页 |
| ·算法框架 | 第34-35页 |
| ·基于GA算法的模型结构学习 | 第35-38页 |
| ·遗传算法 | 第35-37页 |
| ·模糊模型的GA编码 | 第37页 |
| ·种群的遗传操作 | 第37-38页 |
| ·种群个体的适应值评估 | 第38页 |
| ·模糊模型的数值参数BP算法 | 第38-40页 |
| ·BP算法的一般概念 | 第38页 |
| ·模糊模型数值参数BP算法的推导 | 第38-40页 |
| ·GA-BP混合学习算法描述 | 第40页 |
| ·仿真实例 | 第40-43页 |
| ·近似能力仿真分析 | 第40-41页 |
| ·分类能力分析 | 第41-43页 |
| ·本章小结 | 第43-45页 |
| 第五章 变压器故障的模糊模型诊断方法研究 | 第45-56页 |
| ·引言 | 第45页 |
| ·基于TSK模糊模型的DGA数据预测 | 第45-49页 |
| ·样本的构造 | 第45-46页 |
| ·DGA数据的TSK预测模糊模型的建立 | 第46-47页 |
| ·DGA数据预测误差分析 | 第47-49页 |
| ·基于TSK模糊模型的变压器状态识别 | 第49-54页 |
| ·状态特征的形成以及特征数据的预处理 | 第49-51页 |
| ·基于TSK模糊模型的变压器状态识别过程 | 第51页 |
| ·变压器状态分层模糊识别模型的实现 | 第51-53页 |
| ·应用分析 | 第53-54页 |
| ·结论 | 第54-56页 |
| 第六章 全文总结 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 致谢 | 第61-62页 |
| 攻读硕士学位期间主要的研究成果 | 第62页 |
