电力系统电能质量扰动的检测与识别研究
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第10-24页 |
| 1.1 引言 | 第10-11页 |
| 1.2 电能质量概述 | 第11-18页 |
| 1.2.1 电能质量定义与标准 | 第11-12页 |
| 1.2.2 电能质量扰动分类 | 第12-14页 |
| 1.2.3 电能质量扰动信号模型 | 第14-18页 |
| 1.3 电能质量扰动检测与识别研究现状 | 第18-21页 |
| 1.3.1 电能质量扰动检测 | 第19-20页 |
| 1.3.2 电能质量扰动识别 | 第20-21页 |
| 1.4 课题来源、研究意义与创新性 | 第21-22页 |
| 1.5 主要研究内容及安排 | 第22-24页 |
| 1.5.1 主要内容 | 第22页 |
| 1.5.2 章节安排 | 第22-24页 |
| 第二章 电能质量扰动分析基本理论 | 第24-34页 |
| 2.1 引言 | 第24-25页 |
| 2.2 小波变换 | 第25-30页 |
| 2.2.1 连续小波变换 | 第25-26页 |
| 2.2.2 离散小波变换 | 第26-27页 |
| 2.2.3 多分辨率分析 | 第27-28页 |
| 2.2.4 Mallat算法 | 第28-29页 |
| 2.2.5 小波变换应用 | 第29-30页 |
| 2.3 BP神经网络 | 第30-33页 |
| 2.3.1 神经元结构模型 | 第30页 |
| 2.3.2 BP神经网络结构 | 第30-31页 |
| 2.3.3 BP学习算法流程 | 第31-32页 |
| 2.3.4 BP神经网络功能 | 第32-33页 |
| 2.4 本章小结 | 第33-34页 |
| 第三章 基于小波变换的电能质量扰动检测与识别 | 第34-49页 |
| 3.1 引言 | 第34页 |
| 3.2 起止时刻与模极大值点 | 第34-35页 |
| 3.3 小波基函数与分解层数 | 第35-37页 |
| 3.4 电能质量扰动检测与识别步骤 | 第37页 |
| 3.5 电能质量扰动检测 | 第37-44页 |
| 3.5.1 稳态扰动检测 | 第37-39页 |
| 3.5.2 暂态扰动检测 | 第39-41页 |
| 3.5.3 复合扰动检测 | 第41-44页 |
| 3.6 电能质量扰动识别 | 第44-46页 |
| 3.7 案例分析 | 第46-48页 |
| 3.8 本章小结 | 第48-49页 |
| 第四章 基于提升复小波变换的电能质量扰动检测 | 第49-65页 |
| 4.1 引言 | 第49页 |
| 4.2 复小波提升方案 | 第49-53页 |
| 4.2.1 提升算法 | 第49-50页 |
| 4.2.2 滤波器组分解与重构 | 第50-51页 |
| 4.2.3 提升实现方案 | 第51-53页 |
| 4.3 Db4复小波提升实现 | 第53-54页 |
| 4.4 电能质量扰动检测步骤 | 第54-55页 |
| 4.5 电能质量扰动检测 | 第55-63页 |
| 4.5.1 稳态扰动检测 | 第55-56页 |
| 4.5.2 暂态扰动检测 | 第56-60页 |
| 4.5.3 复合扰动检测 | 第60-63页 |
| 4.6 案例分析 | 第63-64页 |
| 4.7 本章小结 | 第64-65页 |
| 第五章 基于改进BP神经网络的电能质量扰动识别 | 第65-76页 |
| 5.1 引言 | 第65页 |
| 5.2 BP神经网络改进 | 第65-66页 |
| 5.3 电能质量扰动识别流程 | 第66-68页 |
| 5.4 电能质量扰动识别 | 第68-74页 |
| 5.4.1 稳态扰动识别 | 第68-69页 |
| 5.4.2 暂态扰动识别 | 第69-72页 |
| 5.4.3 复合扰动识别 | 第72-74页 |
| 5.5 案例分析 | 第74-75页 |
| 5.6 本章小结 | 第75-76页 |
| 第六章 结论与展望 | 第76-78页 |
| 6.1 结论 | 第76页 |
| 6.2 展望 | 第76-78页 |
| 参考文献 | 第78-83页 |
| 致谢 | 第83-84页 |
| 个人简介、攻读硕士学位期间的学术成果及科研项目 | 第84页 |
