| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题的研究背景与意义 | 第10-11页 |
| 1.2 电网故障诊断方法的国内外研究现状 | 第11-14页 |
| 1.2.1 利用开关量信息的电网故障诊断研究 | 第11-12页 |
| 1.2.2 基于电气量的故障诊断方法 | 第12-13页 |
| 1.2.3 DTW算法的研究现状 | 第13页 |
| 1.2.4 人工鱼群聚类混合算法的研究现状 | 第13页 |
| 1.2.5 人工鱼群算法的研究现状 | 第13-14页 |
| 1.3 本文的主要工作 | 第14页 |
| 1.4 论文组织 | 第14-16页 |
| 第2章 相关原理介绍 | 第16-22页 |
| 2.1 基本人工鱼群算法简介 | 第16-17页 |
| 2.1.1 引言 | 第16页 |
| 2.1.2 基本人工鱼群算法原理 | 第16-17页 |
| 2.1.3 算法流程图 | 第17页 |
| 2.1.4 算法的特点 | 第17页 |
| 2.2 聚类理论 | 第17-19页 |
| 2.2.1 聚类分析的定义及相关概念 | 第17-18页 |
| 2.2.2 常见的聚类方法 | 第18-19页 |
| 2.3 DTW算法的原理 | 第19-21页 |
| 2.4 本章小结 | 第21-22页 |
| 第3章 基于DTW与人工鱼群聚类的电网故障诊断方法 | 第22-41页 |
| 3.1 引言 | 第22页 |
| 3.2 故障诊断特征量的提取 | 第22-24页 |
| 3.2.1 线路综合电流的构造 | 第22-23页 |
| 3.2.2 特征序列的提取 | 第23-24页 |
| 3.3 求取各线路的差异度值 | 第24-25页 |
| 3.3.1 利用DTW求取各线路的纵向差异度值 | 第24-25页 |
| 3.3.2 利用DTW求取各线路的横向差异度值 | 第25页 |
| 3.4 利用人工鱼群聚类算法进行分类 | 第25-28页 |
| 3.5 基于DTW与人工鱼群聚类算法的电网故障诊断流程 | 第28-29页 |
| 3.6 算例分析 | 第29-39页 |
| 3.6.1 算例1单重故障 | 第29-36页 |
| 3.6.2 算例2双重故障 | 第36-38页 |
| 3.6.3 算例3丢包率对诊断的影响 | 第38-39页 |
| 3.7 本章小结 | 第39-41页 |
| 第4章 基于改进人工鱼群算法的电网故障诊断 | 第41-56页 |
| 4.1 引言 | 第41页 |
| 4.2 电网故障诊断解析模型 | 第41-44页 |
| 4.2.1 解析模型的构造 | 第41-42页 |
| 4.2.2 保护动作逻辑 | 第42-44页 |
| 4.3 改进的人工鱼群算法 | 第44-47页 |
| 4.3.1 算法参数的改进 | 第44页 |
| 4.3.2 人工鱼行为的改进 | 第44-45页 |
| 4.3.3 改进的人工鱼群算法用于电网故障诊断 | 第45-47页 |
| 4.4 利用改进人工鱼群算法与解析模型的电网故障诊断流程 | 第47-48页 |
| 4.5 算例分析 | 第48-55页 |
| 4.5.1 算例1 | 第48-51页 |
| 4.5.2 算例2 | 第51-53页 |
| 4.5.3 典型故障类型实验结果 | 第53-55页 |
| 4.6 本章小结 | 第55-56页 |
| 结论 | 第56-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 附录1 | 第62-68页 |
| 附录2 | 第68-70页 |
| 攻读硕士学位期间发表的论文及科研成果 | 第70页 |
