| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-19页 |
| 1.1 课题研究的背景及意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-17页 |
| 1.2.1 参数辨识研究现状 | 第12-13页 |
| 1.2.2 参数辨识的应用研究现状 | 第13-17页 |
| 1.3 本文主要研究内容 | 第17-19页 |
| 第2章 电力系统参数辨识及数字信号处理 | 第19-29页 |
| 2.1 参数辨识概述 | 第19-21页 |
| 2.1.1 参数辨识的定义 | 第19页 |
| 2.1.2 参数辨识的原理 | 第19-21页 |
| 2.2 参数辨识算法 | 第21-24页 |
| 2.2.1 传统参数辨识算法 | 第21-22页 |
| 2.2.2 现代参数辨识算法 | 第22-24页 |
| 2.3 数字信号处理方法 | 第24-28页 |
| 2.3.1 半周积分法 | 第24-25页 |
| 2.3.2 改进的傅立叶算法 | 第25-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第3章 参数辨识在风电场等值模型参数确定中的应用 | 第29-44页 |
| 3.1 双馈风电场等值模型 | 第29-30页 |
| 3.2 双馈风力发电机数学模型 | 第30-33页 |
| 3.2.1 工作原理 | 第30-32页 |
| 3.2.2 数学模型 | 第32-33页 |
| 3.3 风电场模型参数可辨识性分析 | 第33-36页 |
| 3.4 辨识算法的确定 | 第36-40页 |
| 3.4.1 遗传算法的改进 | 第36-37页 |
| 3.4.2 罚函数法 | 第37-39页 |
| 3.4.3 组合辨识策略 | 第39-40页 |
| 3.5 算例分析 | 第40-43页 |
| 3.6 本章小结 | 第43-44页 |
| 第4章 基于参数辨识的单端故障测距算法研究 | 第44-61页 |
| 4.1 线路模型 | 第44-46页 |
| 4.1.1 集中参数R-L模型 | 第44-45页 |
| 4.1.2 π 型线路模型 | 第45页 |
| 4.1.3 分布参数线路模型 | 第45-46页 |
| 4.2 单端故障测距方法概述 | 第46-49页 |
| 4.2.1 基于工频量的阻抗测距方法 | 第46-47页 |
| 4.2.2 微分方程法 | 第47-49页 |
| 4.3 利用瞬时序分量法的参数辨识测距方法 | 第49-54页 |
| 4.3.1 瞬时序分量的获取 | 第49-51页 |
| 4.3.2 瞬时序分量法的参数辨识模型 | 第51-54页 |
| 4.4 利用BP神经网络对初始故障测距结果补偿 | 第54-60页 |
| 4.4.1 BP神经网络基本原理 | 第54-58页 |
| 4.4.2 BP神经网络的改进 | 第58页 |
| 4.4.3 BP神经网络的实现 | 第58-60页 |
| 4.5 本章小结 | 第60-61页 |
| 第5章 参数辨识在故障测距中的应用 | 第61-71页 |
| 5.1 基于参数辨识的传统输电线路故障测距仿真分析 | 第61-66页 |
| 5.1.1 输电线路仿真模型建立 | 第61页 |
| 5.1.2 故障仿真波形 | 第61-64页 |
| 5.1.3 故障距离计算 | 第64-65页 |
| 5.1.4 测距误差补偿 | 第65-66页 |
| 5.2 基于参数辨识的含风电的输电线路故障测距仿真分析 | 第66-70页 |
| 5.2.1 含风电的输电线路系统图 | 第67页 |
| 5.2.2 故障距离计算 | 第67-69页 |
| 5.2.3 测距误差补偿 | 第69-70页 |
| 5.3 本章小结 | 第70-71页 |
| 结论 | 第71-73页 |
| 参考文献 | 第73-77页 |
| 附录 | 第77-83页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第83-84页 |
| 致谢 | 第84-85页 |
| 作者简介 | 第85页 |