基于SCADA及保护信息系统的电网故障诊断
第1章 绪论 | 第1-14页 |
1.1 论文的选题背景 | 第8页 |
1.2 国内外研究现状综述 | 第8-12页 |
1.3 小结 | 第12页 |
1.4 本论文的主要工作 | 第12-14页 |
第2章 电网故障诊断的一些基本问题 | 第14-24页 |
2.1 电力系统继电保护简介 | 第14-16页 |
2.1.1 电力系统继电保护的基本要求 | 第14-15页 |
2.1.2 我国继电保护的典型配置 | 第15页 |
2.1.3 我国继电保护的整定原则 | 第15-16页 |
2.2 面向对象的电网知识表示 | 第16-20页 |
2.2.1 电网故障诊断的信息需求 | 第16-17页 |
2.2.2 电网知识的计算机表示 | 第17-19页 |
2.2.3 邻接信息的自动生成 | 第19-20页 |
2.3 电网故障诊断的基本原理与方法 | 第20-23页 |
2.3.1 故障诊断区域的确定 | 第20-21页 |
2.3.2 故障诊断的基本思想 | 第21-22页 |
2.3.3 故障诊断的难点 | 第22-23页 |
2.3.4 故障诊断方法的评价标准 | 第23页 |
2.4 本章小结 | 第23-24页 |
第3章 基于专家系统的电网故障诊断 | 第24-35页 |
3.1 专家系统在故障诊断中的应用 | 第24页 |
3.2 基于因果网络的知识表示 | 第24-28页 |
3.2.1 因果网络的结构 | 第25-26页 |
3.2.2 因果网络有向边权重 | 第26-27页 |
3.2.3 因果网络的自动生成 | 第27-28页 |
3.3 基于模糊专家系统的电网故障诊断 | 第28-30页 |
3.3.1 模糊逻辑及其在故障诊断中的应用 | 第28-29页 |
3.3.2 模糊关系的合成 | 第29页 |
3.3.3 故障诊断示例 | 第29-30页 |
3.3.4 故障诊断流程 | 第30页 |
3.4 算例与分析 | 第30-33页 |
3.5 算法的评价 | 第33页 |
3.6 本章小结 | 第33-35页 |
第4章 基于人工神经网络的电网故障诊断 | 第35-45页 |
4.1 BP神经网络在故障诊断中的应用 | 第35-36页 |
4.2 故障潮流分析 | 第36-37页 |
4.3 面向对象的神经网络 | 第37-41页 |
4.3.1 神经网络模型 | 第37-39页 |
4.3.2 神经网络的训练样本 | 第39-41页 |
4.3.3 神经网络的训练 | 第41页 |
4.4 基于神经网络和设备关联的电网故障诊断 | 第41-42页 |
4.5 算例与分析 | 第42-43页 |
4.6 算法的评价 | 第43页 |
4.7 本章小结 | 第43-45页 |
第5章 基于遗传算法的电网故障诊断 | 第45-54页 |
5.1 故障诊断的反向推理 | 第45页 |
5.2 保护继电器与断路器期望状态的确定 | 第45-48页 |
5.2.1 主继电器期望状态的确定 | 第46页 |
5.2.2 第一后备继电器期望状态的确定 | 第46页 |
5.2.3 第二后备继电器期望状态的确定 | 第46-47页 |
5.2.4 第三类保护期望状态的确定 | 第47-48页 |
5.2.5 断路器期望状态的确定 | 第48页 |
5.3 故障假设的评价 | 第48-49页 |
5.4 基于反向推理与遗传算法的电网故障诊断 | 第49-50页 |
5.4.1 遗传算法简介 | 第49页 |
5.4.2 算法流程 | 第49-50页 |
5.4.3 算法的加速技巧 | 第50页 |
5.5 算例与分析 | 第50-52页 |
5.6 算法的评价 | 第52页 |
5.7 本章小结 | 第52-54页 |
第6章 电网故障诊断的综合法与软件实现 | 第54-63页 |
6.1 故障诊断的综合法 | 第54-56页 |
6.1.1 三种故障诊断方法比较 | 第54-55页 |
6.1.2 综合法流程 | 第55-56页 |
6.2 故障诊断的软件实现 | 第56-57页 |
6.2.1 软件模块结构 | 第56页 |
6.2.2 软件功能简介 | 第56-57页 |
6.3 综合法故障诊断算例 | 第57-61页 |
6.3.1 故障信息没有污染的情况 | 第58-60页 |
6.3.2 故障信息被污染的情况 | 第60-61页 |
6.4 算法的评价 | 第61页 |
6.5 本章小结 | 第61-63页 |
第7章 结论与展望 | 第63-67页 |
7.1 结论 | 第63页 |
7.2 展望 | 第63-67页 |