| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第11-16页 |
| 1.1 课题背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.3 本文工作及研究重点 | 第15-16页 |
| 第2章 智能变电站二次信息系统及其异常分析 | 第16-32页 |
| 2.1 智能变电站结构 | 第16-19页 |
| 2.1.1 站控层 | 第17-18页 |
| 2.1.2 间隔层 | 第18页 |
| 2.1.3 过程层 | 第18-19页 |
| 2.2 智能变电站数据辨识方法研究 | 第19-23页 |
| 2.2.1 基于KCL和能量守恒的可疑数据辨识方法 | 第19-20页 |
| 2.2.2 基于量测量之间数学关系的可疑数据辨识方法 | 第20-22页 |
| 2.2.3 系统双重化配置 | 第22-23页 |
| 2.3 智能变电站报文系统 | 第23-25页 |
| 2.3.1 GOOSE报文 | 第24页 |
| 2.3.2 SV报文 | 第24页 |
| 2.3.3 同步信息流 | 第24-25页 |
| 2.4 继电保护装置数据异常和波形畸变产生机理分析 | 第25-27页 |
| 2.4.1 电磁干扰 | 第25页 |
| 2.4.2 光纤通道异常 | 第25页 |
| 2.4.3 通信协议影响 | 第25页 |
| 2.4.4 报文数据错误类型总结 | 第25-27页 |
| 2.5 两种典型采样数据错误对保护影响的研究 | 第27-31页 |
| 2.5.1 傅里叶级数算法 | 第27-28页 |
| 2.5.2 零点类型总结 | 第28-29页 |
| 2.5.3 奇点类型总结 | 第29-31页 |
| 2.6 本章小结 | 第31-32页 |
| 第3章 卷积神经网络工作原理 | 第32-47页 |
| 3.1 引言 | 第32-33页 |
| 3.2 神经网络(Neural Network)工作原理 | 第33-39页 |
| 3.2.1 神经网络基本组成元素 | 第33-34页 |
| 3.2.2 神经网络拟合函数原理 | 第34-36页 |
| 3.2.3 神经网络拟合任意一元函数原理 | 第36-37页 |
| 3.2.4 神经网络拟合任意二元函数原理 | 第37-39页 |
| 3.3 神经网络识别手写图像原理解析 | 第39-41页 |
| 3.4 卷积神经网络 | 第41-44页 |
| 3.4.1 卷积层结构 | 第42-43页 |
| 3.4.2 池化层 | 第43-44页 |
| 3.4.3 全连接层 | 第44页 |
| 3.5 卷积神经网络的训练过程 | 第44-45页 |
| 3.6 算法讨论 | 第45-47页 |
| 第4章 卷积神经网络在故障特征识别应用探究 | 第47-64页 |
| 4.1 引言 | 第47-48页 |
| 4.2 电力系统模型的搭建及参数选择 | 第48-54页 |
| 4.2.1 简单系统模型搭建及参数设置 | 第48-51页 |
| 4.2.2 仿真软件PSCAD相关组件介绍 | 第51-54页 |
| 4.3 样本数据的选取和错误数据模拟 | 第54-57页 |
| 4.3.1 数据窗口的选择及速动性讨论 | 第54-55页 |
| 4.3.2 错误数据模拟 | 第55-57页 |
| 4.4 卷积神经网络的搭建 | 第57-60页 |
| 4.4.1 卷积核及偏置的设置 | 第57页 |
| 4.4.2 卷积层设置 | 第57-58页 |
| 4.4.3 下采样层设置 | 第58页 |
| 4.4.4 添加网络层操作 | 第58页 |
| 4.4.5 训练参数设置 | 第58-60页 |
| 4.5 仿真结果及分析 | 第60-63页 |
| 4.5.1 数据接口 | 第60-61页 |
| 4.5.2 结果汇总及分析 | 第61-63页 |
| 4.6 本章小结 | 第63-64页 |
| 第5章 结论与展望 | 第64-66页 |
| 5.1 结论 | 第64页 |
| 5.2 展望 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 攻读硕士学位期间发表的学术论文及其它成果 | 第70-71页 |
| 致谢 | 第71页 |
