| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 课题产生背景及意义 | 第9-11页 |
| 1.2 配电网故障定位方法国内外研究现状 | 第11-15页 |
| 1.3 本文的主要工作 | 第15-16页 |
| 第2章 传统BP神经网络在配电网故障诊断中的应用 | 第16-36页 |
| 2.1 BP神经网络的基本原理 | 第16-23页 |
| 2.1.1 BP神经网络模型 | 第17-18页 |
| 2.1.2 BP网络的学习算法 | 第18-21页 |
| 2.1.3 BP神经网络的学习步骤 | 第21-23页 |
| 2.2 基于BP神经网络的配电网故障定位应用 | 第23-28页 |
| 2.2.1 BP神经网络应用于配电网故障诊断的原理 | 第24-26页 |
| 2.2.2 配电网故障样本信息的确立 | 第26-28页 |
| 2.3 算例分析 | 第28-34页 |
| 2.4 BP神经网络的局限性 | 第34-35页 |
| 2.5 本章小结 | 第35-36页 |
| 第3章 云遗传算法优化BP神经网络 | 第36-51页 |
| 3.1 云遗传算法的原理 | 第36-45页 |
| 3.1.1 遗传算法 | 第37-42页 |
| 3.1.2 云理论 | 第42-43页 |
| 3.1.3 云遗传算法 | 第43-45页 |
| 3.2 云遗传算法优化BP神经网络 | 第45-50页 |
| 3.2.1 云遗传算法优化BP神经网络初值 | 第45-48页 |
| 3.2.2 云遗传算法优化BP神经网络的结构 | 第48-50页 |
| 3.3 本章小结 | 第50-51页 |
| 第4章 优化的BP神经网络的配电网故障诊断中的应用 | 第51-64页 |
| 4.1 优化的BP神经网络应用于配电网故障定位的初始化 | 第51-53页 |
| 4.1.1 BP神经网络的初始化 | 第52-53页 |
| 4.1.2 云遗传初值的设定 | 第53页 |
| 4.2 算例分析 | 第53-63页 |
| 4.2.1 有效性的仿真 | 第54-57页 |
| 4.2.2 性能的分析 | 第57-63页 |
| 4.3 本章小结 | 第63-64页 |
| 第5章 总结与展望 | 第64-66页 |
| 参考文献 | 第66-69页 |
| 致谢 | 第69-70页 |
| 附录 | 第70页 |
