| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 论文的主要研究内容 | 第12-15页 |
| 第二章 电压暂降的特征分析 | 第15-27页 |
| 2.1 电压暂降的概念 | 第15页 |
| 2.2 引起电压暂降的原因 | 第15-16页 |
| 2.3 电压暂降的特征量分析 | 第16-24页 |
| 2.3.1 电压暂降仿真模型 | 第16-17页 |
| 2.3.2 电压暂降的突变点 | 第17-19页 |
| 2.3.3 电压暂降的幅值 | 第19-24页 |
| 2.3.4 电压暂降的谐波 | 第24页 |
| 2.4 本章小结 | 第24-27页 |
| 第三章 基于HHT和小波包能量谱的电压暂降源识别 | 第27-49页 |
| 3.1 常见的时频分析方法介绍 | 第27-32页 |
| 3.1.1 短时傅里叶变换 | 第27-28页 |
| 3.1.2 卡尔曼滤波 | 第28-29页 |
| 3.1.3 Mallat算法 | 第29页 |
| 3.1.4 Dyn测度算法 | 第29-30页 |
| 3.1.5 Teager能量算子 | 第30-31页 |
| 3.1.6 S变换 | 第31-32页 |
| 3.1.7 Wigner-Ville分布 | 第32页 |
| 3.2 基于Hilbert-Huang变换的特征提取 | 第32-38页 |
| 3.2.1 固有模态函数 | 第33页 |
| 3.2.2 EMD分解原理 | 第33-36页 |
| 3.2.3 Hilbert-Huang谱 | 第36-38页 |
| 3.3 小波包原理在判断虚假分量中的应用 | 第38-40页 |
| 3.3.1 小波包能量谱 | 第39-40页 |
| 3.3.2 利用小波包能量谱判断消除低频虚假分量 | 第40页 |
| 3.4 电压暂降源辨识方法 | 第40-41页 |
| 3.5 仿真结果和分析 | 第41-47页 |
| 3.6 本章小结 | 第47-49页 |
| 第四章 基于EMD-SVM的电压暂降源识别 | 第49-63页 |
| 4.1 常见的识别方法介绍 | 第49-52页 |
| 4.1.1 人工神经网络 | 第49-50页 |
| 4.1.2 专家系统 | 第50页 |
| 4.1.3 贝叶斯分类器 | 第50-51页 |
| 4.1.4 决策树 | 第51-52页 |
| 4.2 基于EMD模态能量的特征提取 | 第52-53页 |
| 4.2.1 基于能量识别的理论 | 第52页 |
| 4.2.2 模态能量特征的提取 | 第52-53页 |
| 4.3 基于SVM的电压暂降源识别 | 第53-56页 |
| 4.3.1 最优分类面 | 第53-54页 |
| 4.3.2 核函数 | 第54页 |
| 4.3.3 支持向量机的算法 | 第54-55页 |
| 4.3.4 多分类支持向量机 | 第55-56页 |
| 4.3.5 SVM分类流程 | 第56页 |
| 4.4 仿真结果分析 | 第56-61页 |
| 4.5 本章小结 | 第61-63页 |
| 第五章 总结与展望 | 第63-65页 |
| 5.1 总结 | 第63页 |
| 5.2 展望 | 第63-65页 |
| 致谢 | 第65-67页 |
| 参考文献 | 第67-71页 |
| 附录A 攻读硕士期间发表的论文 | 第71页 |
| 附录B 攻读硕士期间获得的软件著作权 | 第71页 |
| 附录C 攻读硕士期间获得的专利 | 第71页 |