| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 1 绪论 | 第8-19页 |
| ·选题的背景及现实意义 | 第8-9页 |
| ·配电网故障诊断技术的研究现状及问题 | 第9-15页 |
| ·人工智能技术在配电网故障诊断中的应用 | 第9-15页 |
| ·电网故障诊断存在的问题及展望 | 第15页 |
| ·粗糙集理论的发展和应用 | 第15-16页 |
| ·人工神经网络理论的发展和应用 | 第16-18页 |
| ·本论文所做的工作及创新 | 第18-19页 |
| 2 Rough 集的基本理论及其在电网故障诊断中的应用 | 第19-32页 |
| ·引言 | 第19页 |
| ·Rough 集的基本理论 | 第19-22页 |
| ·知识的表达与决策表 | 第19-20页 |
| ·Rough 集的基本理论 | 第20-22页 |
| ·Rough 集的约简 | 第22-24页 |
| ·粗糙集的约简 | 第22-23页 |
| ·决策表的约简方法 | 第23-24页 |
| ·一种基于依赖度的属性约简算法 | 第24-27页 |
| ·不一致决策表的处理 | 第24页 |
| ·一种基于依赖度的属性约简算法[32] | 第24-27页 |
| ·简单的配网算例 | 第27-31页 |
| ·小结 | 第31-32页 |
| 3 人工神经网络及其在电网故障诊断中的应用 | 第32-41页 |
| ·引言 | 第32页 |
| ·人工神经网络的结构及学习方法 | 第32-35页 |
| ·人工神经元模型 | 第32-33页 |
| ·人工神经网络的拓扑结构 | 第33-34页 |
| ·人工神经网络的学习方法 | 第34-35页 |
| ·RBF 人工神经网络介绍及其算法实现 | 第35-38页 |
| ·RBF 神经网络基本理论介绍 | 第35-36页 |
| ·BP 神经网络与 RBF 神经网络的比较 | 第36-37页 |
| ·RBF 神经网络的构造设计 | 第37-38页 |
| ·人工神经网络的局限性及其在故障诊断的应用 | 第38-40页 |
| ·人工神经网络的局限性 | 第38-39页 |
| ·人工神经网络在配电网故障诊断中的应用 | 第39-40页 |
| ·小结 | 第40-41页 |
| 4 RS-RBF 神经网络相结合的电网故障诊断方法 | 第41-49页 |
| ·引言 | 第41页 |
| ·算法描述 | 第41-43页 |
| ·故障信息的提取和决策表的属性约简 | 第42页 |
| ·MATLAB7.0 中 RBF 神经网络模型的建立及训练 | 第42页 |
| ·诊断结果输出 | 第42-43页 |
| ·简单配电网算例实现及验证 | 第43-48页 |
| ·RS-RBF 神经网络在电网故障诊断中的训练和使用 | 第43-46页 |
| ·RBF 神经网络在电网故障诊断中的训练和使用 | 第46-48页 |
| ·小结 | 第48-49页 |
| 5 较大规模电网故障诊断的实现与验证 | 第49-61页 |
| ·引言 | 第49页 |
| ·较大规模电网故障诊断算例 | 第49-59页 |
| ·算法流程 | 第49页 |
| ·各功能模块的实现 | 第49-51页 |
| ·算例实现并验证 | 第51-59页 |
| ·与 BP 神经网络相比较 | 第59页 |
| ·小结 | 第59-61页 |
| 6 总结与展望 | 第61-63页 |
| ·总结 | 第61-62页 |
| ·展望 | 第62-63页 |
| 参考文献 | 第63-66页 |
| 附录A 部分程序源代码 | 第66-70页 |
| 攻读硕士学位期间发表的论文及科研成果 | 第70-71页 |
| 致谢 | 第71-72页 |
