摘要 | 第4-6页 |
ABSTRACT | 第6-7页 |
第1章 绪论 | 第10-17页 |
1.1 课题的背景和研究意义 | 第10-11页 |
1.2 电能质量概述 | 第11-13页 |
1.3 国内外研究现状 | 第13-16页 |
1.3.1 电能质量数据压缩重构 | 第14-15页 |
1.3.2 电能质量扰动识别 | 第15-16页 |
1.4 论文主要研究内容 | 第16-17页 |
第2章 电能质量压缩感知理论 | 第17-25页 |
2.1 压缩感知简介 | 第17-19页 |
2.1.1 压缩感知发展历程 | 第17-19页 |
2.1.2 压缩感知在电力系统中的应用 | 第19页 |
2.2 压缩感知理论框架 | 第19-24页 |
2.2.1 信号的稀疏表示 | 第20-22页 |
2.2.2 测量矩阵的设计 | 第22-23页 |
2.2.3 信号重构算法 | 第23-24页 |
2.3 本章小结 | 第24-25页 |
第3章 电能质量信号稀疏性分析与建模 | 第25-36页 |
3.1 引言 | 第25页 |
3.2 电能质量信号可稀疏性分析 | 第25页 |
3.3 电能质量信号建模 | 第25-35页 |
3.3.1 单一扰动信号模型 | 第26-32页 |
3.3.2 复合扰动信号模型 | 第32-35页 |
3.4 本章小结 | 第35-36页 |
第4章 基于正则化自适应压缩采样匹配追踪算法的电能质量数据压缩重构方法 | 第36-47页 |
4.1 引言 | 第36页 |
4.2 稀疏基的选择 | 第36-37页 |
4.3 测量矩阵的设计 | 第37-38页 |
4.4 基于正则化自适应压缩采样匹配追踪算法 | 第38-46页 |
4.4.1 CoSaMP算法步骤 | 第39-40页 |
4.4.2 RACSMP算法步骤 | 第40-41页 |
4.4.3 实验及结果分析 | 第41-46页 |
4.5 本章小结 | 第46-47页 |
第5章 一种带标签信息子字典级联学习的电能质量扰动识别方法 | 第47-60页 |
5.1 引言 | 第47-48页 |
5.2 字典学习的电能质量扰动识别框架 | 第48-49页 |
5.3 带标签信息子字典级联学习的扰动识别算法 | 第49-53页 |
5.3.1 电能质量数据字典稀疏表示 | 第49-50页 |
5.3.2 信号保真项 | 第50页 |
5.3.3 识别保真项 | 第50-51页 |
5.3.4 带标签信息子字典级联学习模型 | 第51-53页 |
5.4 仿真和实验验证 | 第53-59页 |
5.4.1 单一和复合电能质量扰动信号 | 第53-54页 |
5.4.2 降维维数选取 | 第54-55页 |
5.4.3 仿真验证 | 第55-58页 |
5.4.4 实验验证 | 第58-59页 |
5.5 本章小结 | 第59-60页 |
第6章 总结展望 | 第60-62页 |
6.1 全文总结 | 第60-61页 |
6.2 研究展望 | 第61-62页 |
参考文献 | 第62-68页 |
致谢 | 第68-69页 |
攻读硕士学位期间发表的学术论文 | 第69页 |