基于神经网络的接地网故障诊断研究
摘要 | 第5-6页 |
Abstract | 第6页 |
目录 | 第7-10页 |
插图索引 | 第10-11页 |
附表索引 | 第11-12页 |
第1章 绪论 | 第12-18页 |
1.1 电力系统接地概述 | 第12页 |
1.2 选题背景及意义 | 第12-15页 |
1.3 国内外研究现状 | 第15-16页 |
1.3.1 国外研究现状 | 第15页 |
1.3.2 国内研究现状 | 第15-16页 |
1.4 本论文的主要研究工作 | 第16-18页 |
第2章 接地网测试方法 | 第18-28页 |
2.1 引言 | 第18页 |
2.2 接地网的安全性 | 第18-21页 |
2.2.1 问题的引出 | 第18-19页 |
2.2.2 地网设计标准 | 第19-20页 |
2.2.3 接地网安全性检测 | 第20-21页 |
2.3 基于电网络分析的地网诊断原理 | 第21-24页 |
2.3.1 基本思想 | 第22页 |
2.3.2 数学模型 | 第22-24页 |
2.3.3 故障诊断方程 | 第24页 |
2.4 接地网测点优化布置 | 第24-26页 |
2.4.1 节点优选方案 | 第25页 |
2.4.2 接地引下线对测试的影响 | 第25-26页 |
2.5 接地网诊断对测试方案的基本要求 | 第26-27页 |
2.6 本章小结 | 第27-28页 |
第3章 基于神经网络的接地网故障定位 | 第28-39页 |
3.1 引言 | 第28页 |
3.2 神经网络概述 | 第28-31页 |
3.2.1 神经网络的发展及分类 | 第28-29页 |
3.2.2 神经网络的特点 | 第29页 |
3.2.3 学习算法 | 第29-30页 |
3.2.4 学习规则 | 第30-31页 |
3.3 Elman 神经网络 | 第31-32页 |
3.3.1 网络结构 | 第31-32页 |
3.3.2 Elman 网络和 BP 网络的比较 | 第32页 |
3.4 基于神经网络的故障模式识别 | 第32-34页 |
3.5 接地网仿真模型 | 第34-35页 |
3.6 应用神经网络的接地网诊断 | 第35-38页 |
3.6.1 故障诊断步骤 | 第35-36页 |
3.6.2 仿真计算 | 第36-38页 |
3.7 小结 | 第38-39页 |
第4章 采用高频信号测试的接地网诊断 | 第39-53页 |
4.1 引言 | 第39页 |
4.2 ATPDraw 软件简介 | 第39页 |
4.3 基于 ATPDraw 的接地网模型建立 | 第39-42页 |
4.3.1 接地体单元模型 | 第39-40页 |
4.3.2 接地网等效模型 | 第40-42页 |
4.4 特征提取方法 | 第42-43页 |
4.4.1 基于主元分析的特征提取 | 第42页 |
4.4.2 基于小波分析的特征提取 | 第42页 |
4.4.3 基于分形理论的特征提取 | 第42页 |
4.4.4 基于 K 近邻法的特征提取 | 第42-43页 |
4.4.5 基于粗糙集的特征提取 | 第43页 |
4.5 小波分析与小波包分解 | 第43-48页 |
4.5.1 小波分析的基础知识 | 第43-44页 |
4.5.2 多分辨率分析和 Mallat 算法 | 第44-46页 |
4.5.3 小波包分析 | 第46-48页 |
4.6 基于小波分析的接地网诊断 | 第48-52页 |
4.6.1 故障信号频段能量值提取 | 第48-49页 |
4.6.2 诊断模型及仿真 | 第49-52页 |
4.7 本章小结 | 第52-53页 |
第5章 基于蚁群神经网络的接地网诊断 | 第53-61页 |
5.1 引言 | 第53页 |
5.2 蚁群算法 | 第53-57页 |
5.2.1 蚁群算法原理 | 第53-55页 |
5.2.2 结合蚁群优化算法的神经网络训练 | 第55-57页 |
5.3 仿真分析 | 第57-58页 |
5.4 实例计算及分析 | 第58-60页 |
5.4.1 接地网模型 | 第58页 |
5.4.2 单支路故障 | 第58-59页 |
5.4.3 多支路故障 | 第59-60页 |
5.5 本章小结 | 第60-61页 |
结论 | 第61-63页 |
参考文献 | 第63-67页 |
致谢 | 第67-68页 |
附录A(攻读学位期间发表的学术论文目录) | 第68-69页 |
附录B (攻读学位期间参加的科研工作) | 第69页 |