基于小波与神经网络的变压器励磁涌流识别方法的研究
| 中文摘要 | 第1-4页 |
| 英文摘要 | 第4-8页 |
| 第一章 绪论 | 第8-13页 |
| 1．1 变压器在电力系统中的重要性 | 第8页 |
| 1．2 变压器差动保护及其发展 | 第8-9页 |
| 1．3 变压器励磁涌流对差动保护的影响 | 第9-11页 |
| 1．4 本文的主要研究工作 | 第11-13页 |
| 第二章 变压器励磁涌流的理论分析及其仿真 | 第13-30页 |
| 2．1 励磁涌流产生的机理和特征分析 | 第13-17页 |
| 2．1．1 励磁涌流产生的基本原理 | 第13-16页 |
| 2．1．2 励磁涌流的特点 | 第16-17页 |
| 2．2 若干种鉴别励磁涌流的原理及其存在缺陷分析 | 第17-24页 |
| 2．2．1 基于谐波制动原理的鉴别方法 | 第17-19页 |
| 2．2．2 基于波形特征的识别方法 | 第19-20页 |
| 2．2．3 基于智能理论的识别方法 | 第20-21页 |
| 2．2．4 基于电气模型的识别方法 | 第21-22页 |
| 2．2．5 基于磁通特性识别方法 | 第22页 |
| 2．2．6 功率差动原理的识别方法 | 第22-23页 |
| 2．2．7 本节总结 | 第23-24页 |
| 2．3 系统仿真模型的建立 | 第24-28页 |
| 2．3．1 建立仿真模型 | 第24-26页 |
| 2．3．2 系统模型的仿真结果及动模实验结果举例 | 第26-28页 |
| 2．4 本章小结 | 第28-30页 |
| 第三章 小波分析理论与信号奇异性 | 第30-41页 |
| 3．1 小波分析理论 | 第30-37页 |
| 3．1．1 小波变换及其时—频局部化特性 | 第30-33页 |
| 3．1．2 多分辨分析与Mallat算法 | 第33-37页 |
| 3．2 LIPSCHITZ指数与信号奇异性探测 | 第37-38页 |
| 3．3 小波变换极值点同信号奇异性间的关系 | 第38-41页 |
| 第四章 小波分析在励磁涌流间断角特征提取中的应用 | 第41-52页 |
| 4．1 模局部极大值方法与间断角测量 | 第41-42页 |
| 4．2 小波基的选择 | 第42-44页 |
| 4．3 小波分析在测量间断角中的具体应用实例分析 | 第44-50页 |
| 4．4 本章小结 | 第50-52页 |
| 第五章 人工神经网络在变压器励磁涌流识别中的应用 | 第52-64页 |
| 5．1 人工神经网络 | 第52-55页 |
| 5．1．1 人工神经网络的发展与展望 | 第52页 |
| 5．1．2 人工神经网络的基本原理 | 第52-54页 |
| 5．1．3 多层前向神经网络（MFNN） | 第54-55页 |
| 5．2 人工神经网络在励磁涌流识别中的具体应用 | 第55-63页 |
| 5．2．1 神经网络模型的确定 | 第56页 |
| 5．2．2 网络规模（参数）选择 | 第56-58页 |
| 5．2．3 学习训练规则的选择 | 第58-60页 |
| 5．2．4 人工神经网络的仿真训练及检验 | 第60-63页 |
| 5．3 结论 | 第63-64页 |
| 第六章 结束语 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 致谢 | 第69页 |
