| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第一章 绪论 | 第8-21页 |
| 1．1 研究背景和意义 | 第8-9页 |
| 1．2 电能质量的定义及其国内外研究现状 | 第9-16页 |
| 1．2．1 电能质量的定义 | 第9-10页 |
| 1．2．2 国内外研究现状 | 第10-12页 |
| 1．2．3 几种常见类型的电能质量扰动的定义 | 第12-16页 |
| 1．3 电能质量的检测和分析方法 | 第16-19页 |
| 1．3．1 时域仿真方法 | 第16-17页 |
| 1．3．2 频域分析方法 | 第17页 |
| 1．3．3 基于变换的方法 | 第17-19页 |
| 1．4 本文主要工作 | 第19页 |
| 1．5 本章小结 | 第19-21页 |
| 第二章 小波变换原理 | 第21-33页 |
| 2．1 引言 | 第21页 |
| 2．2 傅立叶变换 | 第21-24页 |
| 2．2．1 傅立叶变换 | 第21-23页 |
| 2．2．2 加窗傅立叶变换 | 第23-24页 |
| 2．3 小波变换及多分辨率分析 | 第24-29页 |
| 2．3．1 连续小波变换 | 第24-26页 |
| 2．3．2 离散小波变换 | 第26页 |
| 2．3．3 二进小波变换 | 第26-27页 |
| 2．3．4 多分辨率分析 | 第27-29页 |
| 2．4 小波包分析 | 第29-32页 |
| 2．4．1 小波包的定义 | 第30-31页 |
| 2．4．2 小波包的空间分解 | 第31-32页 |
| 2．4．3 小波包算法 | 第32页 |
| 2．5 本章小结 | 第32-33页 |
| 第三章 基于小波变换的电能质量扰动检测 | 第33-46页 |
| 3．1 引言 | 第33页 |
| 3．2 电能质量扰动信号的小波分解 | 第33-35页 |
| 3．2．1 小波函数的选择 | 第33-34页 |
| 3．2．2 分解层数的确定 | 第34-35页 |
| 3．3 电能质量扰动信号的数据压缩 | 第35-39页 |
| 3．3．1 最佳小波包基的选择 | 第35-36页 |
| 3．3．2 最佳小波包基的快速搜索算法 | 第36页 |
| 3．3．3 数据压缩效果参数 | 第36-37页 |
| 3．3．4 数据压缩仿真 | 第37-39页 |
| 3．4 基于小波变换极大模值的电能质量奇异性检测 | 第39-45页 |
| 3．4．1 小波变换模极大值法检测信号突变点 | 第39-42页 |
| 3．4．2 电能质量扰动信号检测算法仿真 | 第42-45页 |
| 3．5 本章小结 | 第45-46页 |
| 第四章 电能质量扰动的分类 | 第46-67页 |
| 4．1 引言 | 第46-47页 |
| 4．2 电能质量扰动的粗略分类 | 第47-54页 |
| 4．2．1 帕斯维尔(Parseval)定理 | 第47-48页 |
| 4．2．2 粗略分类 | 第48-50页 |
| 4．2．3 电能质量扰动信号特征量的提取 | 第50-52页 |
| 4．2．4 小波变换中的能量泄漏问题对分类的影响 | 第52-54页 |
| 4．3 多重扰动同时发生时扰动的检测和识别 | 第54-55页 |
| 4．4 基于自组织神经网络改进的LVQ算法的电能质量扰动精确分类 | 第55-62页 |
| 4．4．1 人工神经网络的基本知识 | 第55-56页 |
| 4．4．2 人工神经网络的学习方式 | 第56-57页 |
| 4．4．3 自组织特征映射神经网络(SOFM) | 第57-59页 |
| 4．4．4 SOFM网络的改进算法 | 第59-62页 |
| 4．5 利用 SOFM改进算法进行电能质量扰动分类仿真与分析 | 第62-63页 |
| 4．5．1 算例仿真 | 第62-63页 |
| 4．5．2 仿真分析 | 第63页 |
| 4．6 电能质量扰动自动检测与识别过程 | 第63-66页 |
| 4．7 本章小结 | 第66-67页 |
| 第五章 结论与展望 | 第67-68页 |
| 参考文献 | 第68-71页 |
| 附录Ⅰ IEC关于引起电磁扰动的基本现象分类 | 第71-72页 |
| 附录Ⅱ IEEE制定的电力系统电磁现象的特性参数及分类 | 第72-73页 |
| 附录Ⅲ 六项电能质量国家标准摘要 | 第73-75页 |
| 致谢 | 第75页 |
