声明
摘要
图表目录
1 绪论
1.1 选题背景和研究意义
1.2 变压器故障诊断概述
1.2.1 变压器油中气体检测
1.2.2 变压器局部放电检测
1.3 基于DGA的变压器故障检测研究现状
1.4 变压器局部放电检测研究现状
1.4.1 抑制局部放电检测干扰
1.4.2 局部放电的模式识别
1.5 论文主要工作
2 支持向量机与数学形态学
2.1 引言
2.2 支持向量机
2.2.1 支持向量机原理
2.2.2 支持向量机的设计
2.2.3 支持向量机的改进
2.2.4 凸边界的多分类支持向量机
2.3 数学形态学
2.3.1 数学形态学概述
2.3.2 多尺度形态学运算
2.3.3 数学形态谱
2.3.4 形态滤波器
2.4 基于支持向量机和数学形态学的故障识别系统设计
3 变压器油色谱在线监测
3.1 引言
3.2 变压器油色谱在线监测系统概述
3.3 油中气体谱图分析
3.2.1 基于数学形态学的气体谱图滤波器设计
3.2.2 谱图波峰的识别和基线值的整定
3.2.3 测量气体浓度峰值电压
3.4 谱图电压与气体浓度的非线性回归
3.4.1 电压—浓度关系分析
3.4.2 支持向量机回归理论
3.4.3 利用支持向量机提取气体浓度
3.5 基于支持向量机的变压器故障识别
3.5.1 核参数对支持向量机分类性能的影响
3.5.2 单核多分类SVM的核参数优化过程
3.5.3 多核多分类SVM的核参数优化过程
3.5.4 变压器故障诊断实例
3.6 本章小结
4 变压器局部放电检测
4.1 引言
4.2 形态学滤波器抑制局部放电检测干扰
4.2.1 局部放电检测干扰特点
4.2.2 自适应形态滤波器设计
4.2.3 自适应滤波器抑制周期周期性干扰
4.2.4 自适应滤波器抑制白噪声
4.2.5 自适应形态滤波器的综合滤波效果
4.3 典型局部放电模型的实验分析
4.4 局部放电类型与形态谱提取
4.4.1 一维多值离散条件下的形态谱研究
4.4.2 形态谱提取放电特征量
4.5 基于支持向量机与形态谱的放电类型识别
4.5.1 机器学习参数设置
4.5.2 识别结果对比
4.6 本章小结
5 结论与展望
5.1 论文工作总结
5.2 今后研究方向与展望
致谢
参考文献
附录 攻读硕士学位期间发表的论文情况