| 摘要 | 第1-5页 |
| Abstract | 第5-7页 |
| 目录 | 第7-9页 |
| 1 绪论 | 第9-13页 |
| ·论文的背景及意义 | 第9-10页 |
| ·论文相关内容的国内外研究现状 | 第10-12页 |
| ·小波分析及小波包理论的研究现状 | 第10页 |
| ·人工神经网络在电力系统中的研究现状 | 第10-11页 |
| ·电力系统故障类型识别分类的研究现状 | 第11-12页 |
| ·论文的主要研究内容 | 第12-13页 |
| 2 小波及小波包理论与性质 | 第13-23页 |
| ·小波理论简介 | 第13-21页 |
| ·连续小波变换 | 第13-14页 |
| ·离散小波变换 | 第14-15页 |
| ·多分辨率分析 | 第15-18页 |
| ·Mallat算法 | 第18-19页 |
| ·小波包分析 | 第19-21页 |
| ·信号的分解 | 第21-23页 |
| 3 人工神经网络 | 第23-32页 |
| ·BP神经网络 | 第23-29页 |
| ·BP网络的学习规则 | 第24-28页 |
| ·BP隐含层节点数的确定 | 第28-29页 |
| ·RBF神经网络 | 第29-32页 |
| ·RBF神经元模型 | 第30页 |
| ·RBF神经网络的训练算法 | 第30-32页 |
| 4 基于能量特征量的故障类型识别 | 第32-46页 |
| ·搭建330kV输电线路PSCAD/EMTDC仿真模型 | 第32-33页 |
| ·基于小波包的故障信号时频分析 | 第33-41页 |
| ·故障信号的小波包时频分析 | 第33-38页 |
| ·利用小波包提取故障信号能量特征量 | 第38-41页 |
| ·基于能量特征量的故障类型识别 | 第41-46页 |
| ·BP神经网络识别算法研究 | 第41页 |
| ·BP网络识别故障类型仿真实验 | 第41-43页 |
| ·RBF网络故障类型仿真实验 | 第43-46页 |
| 5 基于量子粒子群优化BP神经网络的输电线路故障诊断 | 第46-54页 |
| ·基本粒子群算法 | 第46-47页 |
| ·基本粒子群算法概述 | 第46页 |
| ·基本粒子群算法原理 | 第46-47页 |
| ·量子粒子群算法 | 第47-49页 |
| ·量子粒子群概述 | 第47页 |
| ·量子粒子群算法原理 | 第47-49页 |
| ·QPSO-BP神经网络模型的建立 | 第49-51页 |
| ·算法设计 | 第50-51页 |
| ·算法实现步骤 | 第51页 |
| ·基于QPSO-BP神经网络的输电线路故障诊断 | 第51-54页 |
| 结论 | 第54-55页 |
| 致谢 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 攻读学位期间的研究成果 | 第59页 |