| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 第一章 绪论 | 第8-15页 |
| ·配电网故障诊断研究的意义 | 第8页 |
| ·配电网故障诊断的研究现状 | 第8-12页 |
| ·故障电流判别法 | 第9页 |
| ·专家系统方法 | 第9-10页 |
| ·人工神经网络方法 | 第10-11页 |
| ·基于模糊理论的方法 | 第11-12页 |
| ·基于优化技术的方法 | 第12页 |
| ·数据挖掘的方法 | 第12页 |
| ·本文所做的工作 | 第12-15页 |
| ·数据挖掘技术的研究 | 第13页 |
| ·配电网故障特征的自动提取 | 第13页 |
| ·配电网分类器的选择和训练 | 第13页 |
| ·配电网决策树的构建 | 第13-15页 |
| 第二章 数据挖掘技术 | 第15-23页 |
| ·数据挖掘技术的发展状况 | 第15页 |
| ·数据挖掘概述 | 第15-17页 |
| ·数据挖掘常用方法 | 第17-19页 |
| ·粗糙集理论 | 第17-18页 |
| ·人工神经网络技术 | 第18页 |
| ·决策树 | 第18-19页 |
| ·数据挖掘在电力系统中的应用 | 第19-21页 |
| ·数据挖掘在配电网故障诊断中的应用前景 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 第三章 基于粗糙集理论的配电网故障特征提取 | 第23-35页 |
| ·引言 | 第23页 |
| ·粗糙集理论 | 第23-24页 |
| ·粗糙集的基本概念 | 第24-27页 |
| ·粗糙集的属性约简 | 第27-29页 |
| ·研究环境与软件 | 第29-30页 |
| ·简单的配网算例 | 第30-34页 |
| ·本章小结 | 第34-35页 |
| 第四章 基于神经网络的配电网故障诊断 | 第35-56页 |
| ·引言 | 第35页 |
| ·神经网络的基础 | 第35-38页 |
| ·神经元模型 | 第35-36页 |
| ·神经网络的拓扑结构 | 第36-37页 |
| ·神经网络的学习规则 | 第37-38页 |
| ·反向传播(BP)网络 | 第38-47页 |
| ·BP网络的算法 | 第38-40页 |
| ·基于自适应学习速率动量梯度下降反向传播算法的BP网络改进 | 第40-41页 |
| ·BP网络的设计 | 第41-46页 |
| ·网络的训练 | 第46-47页 |
| ·VB调用MATLAB7.0 | 第47-54页 |
| ·诊断实例 | 第54-55页 |
| ·本章小结 | 第55-56页 |
| 第五章 基于粗糙度的多变量决策树在配电网故障诊断中的应用 | 第56-62页 |
| ·决策树方法 | 第56页 |
| ·构造决策树的过程 | 第56-58页 |
| ·配电网故障诊断实例验证 | 第58-61页 |
| ·本章小结 | 第61-62页 |
| 第六章 结束语 | 第62-63页 |
| 附录表1: 配电网故障诊断信息数据 | 第63-64页 |
| 附录表2: 配电网故障诊断信息数据 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 致谢 | 第69-70页 |
| 在学期间发表的学术论文与研究成果 | 第70页 |