文摘
英文文摘
声明
1绪论
1.1选题背景及研究意义
1.2电力变压器绝缘故障诊断及热模型研究现状
1.2.1电力变压器绝缘故障诊断技术研究现状
1.2.2电力变压器热模型研究现状
1.3论文的主要研究工作
2基于小波神经网络的电力变压器故障诊断研究
2.1改进BP神经网络的建立
2.1.1 BP神经网络及其学习流程
2.1.2 BP神经网络算法存在的缺点及其改进
2.2基于改进BP神经网络的电力变压器故障诊断
2.2.1学习样本的收集
2.2.2输入、输出模式的确定
2.2.3训练、验证样本选取及参数设定
2.2.4变压器故障诊断、识别分析
2.3 BP神经网络的缺陷及小波神经网络
2.3.1引入小波神经网络的可行性
2.3.2小波变换及小波神经网络
2.3.3小波神经网络的分类及其特质
2.4小波神经网络重分类及其数学基础
2.4.1小波神经网络重分类
2.4.2两类小波神经网络结构与数学基础
2.4.3两类小波神经网络结构确定、改进算法及参数初始化
2.5.1网络输入、输出向量的选择
2.5.2电力变压器故障诊断分析
2.5.3电力变压器故障模式识别
2.6小结
3基于遗传算法进化小波神经网络的电力变压器故障诊断研究
3.1引言
3.2遗传算法及其性能分析
3.2.1遗传算法的基本流程
3.2.2遗传算法的实现方式
3.2.3遗传算法的搜索机理
3.2.4遗传算法的收敛性
3.3遗传算法的不足及其与小波神经网络的结合
3.3.1遗传算法的不足
3.3.2遗传算法与小波神经网络的结合
3.4遗传算法进化小波神经网络应用于电力变压器故障诊断
3.4.1遗传算法进化小波神经网络算法设计
3.4.2基于遗传算法进化小波神经网络的电力变压器故障诊断
3.4.3实例分析及比较研究
3.5三种故障诊断方法的比较分析
3.6小结
4电力变压器热状态参量预测Ⅰ-顶层油温预测
4.1引言
4.2电力变压器内部发热过程及温度分布
4.2.1电力变压器内部发热过程与温升
4.2.2电力变压器内部温度分布
4.3电力变压器热模型理论
4.4电力变压器顶层油温预测热模型研究
4.4.1热电模拟理论基础
4.4.2基于热电模拟理论的变压器顶层油温预测模型
4.4.3油粘度和非线性热阻
4.4.4电力变压器顶层油温预测热模型
4.4.5参数计算
4.4.6模型应用及结果分析
4.5小结
5电力变压器热状态参量预测Ⅱ-绕组热点温度预测
5.1电力变压器铁芯和绕组发热机理分析
5.2电力变压器温升限值和最热点温度
5.3传统电力变压器绕组热点温度预测及其改进
5.3.1传统电力变压器绕组热点温度预测
5.3.2传统电力变压器绕组热点温度预测的改进
5.4电力变压器绕组热点温度预测模型
5.4.1绕组热点温度预测模型
5.4.2模型应用及结果分析
5.5结合故障诊断方法与热状态参量预测模型的实例分析
5.6小结
6结论与展望
6.1主要结论
6.2后续工作的展望
致谢
参考文献
附录