| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 1 绪论 | 第9-18页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 电能质量的基本概念 | 第10-12页 |
| 1.2.1 电能质量的定义 | 第10-11页 |
| 1.2.2 电能质量扰动类型划分 | 第11-12页 |
| 1.3 国内外研究现状 | 第12-15页 |
| 1.3.1 电能质量扰动去噪方法研究现状 | 第12-14页 |
| 1.3.2 电能质量扰动分类方法研究现状 | 第14-15页 |
| 1.4 本文研究内容 | 第15-18页 |
| 2 面向电能质量扰动分析的稀疏优化模型 | 第18-28页 |
| 2.1 引言 | 第18页 |
| 2.2 生物视觉稀疏认知机理 | 第18-19页 |
| 2.3 稀疏优化模型 | 第19-22页 |
| 2.3.1 欠定方程求解问题 | 第19-20页 |
| 2.3.2 信号稀疏表示建模 | 第20-22页 |
| 2.4 稀疏恢复问题的数值优化算法 | 第22-25页 |
| 2.4.1 贪婪算法 | 第22-23页 |
| 2.4.2 松弛算法 | 第23-25页 |
| 2.4.3 群智能优化算法 | 第25页 |
| 2.5 用于电能质量扰动分析的稀疏优化建模 | 第25-27页 |
| 2.5.1 PQD信号稀疏表示去噪模型 | 第25-26页 |
| 2.5.2 PQD信号稀疏表示分类模型 | 第26-27页 |
| 2.6 本章小结 | 第27-28页 |
| 3 采用改进CPSO动态搜索时频原子的PQD信号去噪方法 | 第28-44页 |
| 3.1 引言 | 第28页 |
| 3.2 PQD信号稀疏表示去噪原理 | 第28-30页 |
| 3.2.1 信号稀疏表示去噪框架 | 第28-29页 |
| 3.2.2 匹配PQD信号过完备字典 | 第29页 |
| 3.2.3 相邻残差比终止策略 | 第29-30页 |
| 3.3 改进混沌粒子群动态搜索最佳匹配原子 | 第30-32页 |
| 3.3.1 粒子群优化算法原理 | 第30页 |
| 3.3.2 改进CPSO算法 | 第30-32页 |
| 3.3.3 采用ICPSO动态搜索时频原子的PQD信号去噪步骤描述 | 第32页 |
| 3.4 仿真实验与分析 | 第32-42页 |
| 3.4.1 算法性能分析 | 第33-34页 |
| 3.4.2 PQD信号模型及去噪评价指标 | 第34-35页 |
| 3.4.3 去噪效果对比验证 | 第35-39页 |
| 3.4.4 实际数据分析 | 第39-41页 |
| 3.4.5 算法复杂度及收敛性分析 | 第41-42页 |
| 3.5 本章小结 | 第42-44页 |
| 4 基于SSAE的电能质量复合扰动稀疏表示分类方法 | 第44-63页 |
| 4.1 引言 | 第44页 |
| 4.2 电能质量扰动特征提取 | 第44-47页 |
| 4.2.1 双树复小波变换 | 第44-46页 |
| 4.2.2 基于深度学习的自动特征提取框架 | 第46-47页 |
| 4.3 栈式稀疏自动编码器模型 | 第47-51页 |
| 4.3.1 稀疏自动编码器 | 第47-49页 |
| 4.3.2 栈式稀疏自动编码器 | 第49-50页 |
| 4.3.3 Softmax回归 | 第50-51页 |
| 4.4 基于SSAE框架的PQD稀疏表示分类方法整体流程 | 第51-52页 |
| 4.5 仿真实验与分析 | 第52-62页 |
| 4.5.1 PQD数据生成及模型参数设置 | 第52-53页 |
| 4.5.2 参数影响分析 | 第53-56页 |
| 4.5.3 PQD深度表达特征可视化 | 第56-57页 |
| 4.5.4 SSAE-MSRC框架性能分析 | 第57-58页 |
| 4.5.5 PQD信号去噪效果验证 | 第58-62页 |
| 4.6 本章小结 | 第62-63页 |
| 5 总结与展望 | 第63-65页 |
| 5.1 论文工作总结 | 第63-64页 |
| 5.2 后续工作展望 | 第64-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-71页 |
| 附录 | 第71页 |
| A.作者在攻读硕士学位期间发表的论文 | 第71页 |
| B.作者在攻读硕士学位期间参与的科研项目 | 第71页 |
