SVR在电力谐波测量中的应用研究
| 学位论文独创性说明 | 第1页 |
| 学位论文知识产权声明书 | 第2-3页 |
| 摘要 | 第3-4页 |
| Abstract | 第4-7页 |
| 1 绪论 | 第7-12页 |
| ·谐波检测的意义 | 第7-8页 |
| ·国内外研究现状 | 第8-10页 |
| ·本文的研究内容 | 第10-12页 |
| 2 统计学习理论与支持向量机 | 第12-27页 |
| ·引言 | 第12页 |
| ·统计学习理论 | 第12-17页 |
| ·统计学习理论中的一些基本概念 | 第12-13页 |
| ·统计学习理论的基本问题 | 第13-14页 |
| ·统计学习理论的核心内容 | 第14-17页 |
| ·支持向量机 | 第17页 |
| ·用于分类的支持向量机(SVM) | 第17-20页 |
| ·用于回归估计与函数拟合的支持向量机(SVR) | 第20-24页 |
| ·线性回归 | 第21-23页 |
| ·非线性回归 | 第23-24页 |
| ·核函数 | 第24-27页 |
| 3 SVR在谐波测量中的应用 | 第27-35页 |
| ·电力谐波的主要特点 | 第27页 |
| ·SVR用于谐波测量的理论基础 | 第27-29页 |
| ·神经网络基本原理及其在谐波测量中的应用 | 第27-28页 |
| ·支持向量机理论及其在谐波测量中应用的可能性 | 第28-29页 |
| ·SVR用于谐波测量的基本原理 | 第29-31页 |
| ·问题的提出 | 第29-30页 |
| ·SVR谐波测量的结构 | 第30-31页 |
| ·训练数据的构造 | 第31-33页 |
| ·初相角的确定 | 第31-33页 |
| ·幅值训练数据的构造 | 第33页 |
| ·基于SVR的谐波测量 | 第33-35页 |
| 4 仿真研究 | 第35-53页 |
| ·引言 | 第35-36页 |
| ·离线情况下几种SVR谐波测量模型的比较 | 第36-49页 |
| ·理想状况下几种SVR谐波测量模型的比较 | 第36-46页 |
| ·非理想状况下几种SVR谐波测量模型的比较 | 第46-49页 |
| ·用于比较的BP网络及其仿真分析 | 第49-50页 |
| ·SVR谐波测量方法在线训练测量仿真及其分析 | 第50-52页 |
| ·总结 | 第52-53页 |
| 5 结论 | 第53-54页 |
| ·结论 | 第53页 |
| ·今后的展望 | 第53-54页 |
| 致谢 | 第54-55页 |
| 参考文献 | 第55-58页 |
| 附录 | 第58-60页 |
| 攻读硕士学位期间发表的论文 | 第60页 |
