| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第11-18页 |
| 1.1 研究背景与意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-16页 |
| 1.2.1 HVDC发展现状 | 第12-13页 |
| 1.2.2 直流故障测距研究现状 | 第13-14页 |
| 1.2.3 换相失败故障辨识研究现状 | 第14-15页 |
| 1.2.4 小波包在故障信号分析中的应用 | 第15-16页 |
| 1.2.5 广义回归神经网络的应用 | 第16页 |
| 1.3 本文的主要工作 | 第16-18页 |
| 第二章 小波及小波包和广义回归神经网络理论 | 第18-30页 |
| 2.1 引言 | 第18页 |
| 2.2 小波变换 | 第18-24页 |
| 2.2.1 连续小波变换 | 第18-20页 |
| 2.2.2 离散小波变换 | 第20-21页 |
| 2.2.3 多分辨率分析与Mallat算法 | 第21-24页 |
| 2.3 小波包分解 | 第24-25页 |
| 2.3.1 小波包能量 | 第25页 |
| 2.4 广义回归神经网络 | 第25-29页 |
| 2.4.1 GRNN模型 | 第25-27页 |
| 2.4.2 GRNN的优缺点 | 第27-29页 |
| 2.5 本章小结 | 第29-30页 |
| 第三章 HVDC输电系统建模与故障分析 | 第30-47页 |
| 3.1 引言 | 第30页 |
| 3.2 HVDC输电系统建模 | 第30页 |
| 3.3 换相失败和直流线路接地故障分析 | 第30-36页 |
| 3.3.1 换相失败故障分析 | 第30-35页 |
| 3.3.2 直流线路故障分析 | 第35-36页 |
| 3.4 换相失败故障与直流线路接地故障的区分 | 第36-38页 |
| 3.4.1 直流电流突变量暂态分析 | 第36-38页 |
| 3.4.2 判断两种故障的判据 | 第38页 |
| 3.5 换相失败与直流线路接地故障的仿真分析 | 第38-45页 |
| 3.5.1 换相失败仿真分析 | 第38-42页 |
| 3.5.2 输电线路故障仿真分析 | 第42-45页 |
| 3.6 本章小结 | 第45-47页 |
| 第四章 基于WPD和GRNN的线路故障测距 | 第47-67页 |
| 4.1 引言 | 第47页 |
| 4.2 固有频率与故障距离的关系 | 第47-52页 |
| 4.2.1 固有频率的产生 | 第47-48页 |
| 4.2.2 固有频率的提取 | 第48-50页 |
| 4.2.3 故障距离的计算 | 第50页 |
| 4.2.4 影响故障定位的因素 | 第50-52页 |
| 4.3 基于小波包能量的故障测距原理 | 第52-58页 |
| 4.3.1 直流输电线路模量提取 | 第52-54页 |
| 4.3.2 小波包变换母函数的选取 | 第54-57页 |
| 4.3.3 故障距离与小波包能量的关系 | 第57-58页 |
| 4.4 基于小波包能量谱与GRNN神经网络的故障测距 | 第58-65页 |
| 4.4.1 不同故障点电流特征提取 | 第58-60页 |
| 4.4.2 GRNN样本获取与预处理 | 第60-62页 |
| 4.4.3 GRNN训练 | 第62-64页 |
| 4.4.4 仿真分析 | 第64-65页 |
| 4.5 本章小结 | 第65-67页 |
| 第五章 基于WPD和GRNN的换相失败故障辨识 | 第67-74页 |
| 5.1 引言 | 第67页 |
| 5.2 特征向量的提取 | 第67-69页 |
| 5.2.1 分解层数的选择 | 第67-68页 |
| 5.2.2 小波包能量 | 第68-69页 |
| 5.3 换相失败故障诊断方法 | 第69-72页 |
| 5.3.1 样本获取 | 第69页 |
| 5.3.2 两种GRNN结果输出模式 | 第69页 |
| 5.3.3 故障诊断算法流程 | 第69-70页 |
| 5.3.4 仿真分析 | 第70-72页 |
| 5.4 本章小结 | 第72-74页 |
| 结论与展望 | 第74-76页 |
| 参考文献 | 第76-80页 |
| 攻读硕士学位期间取得的研究成果 | 第80-81页 |
| 致谢 | 第81-82页 |
| 附件 | 第82页 |