| 摘要 | 第8-10页 |
| Abstract | 第10-11页 |
| 第1章 绪论 | 第14-20页 |
| 1.1 课题背景及研究意义 | 第14-16页 |
| 1.2 电力系统谐波估计和抑制技术国内外研究现状 | 第16-18页 |
| 1.3 论文的章节安排 | 第18-20页 |
| 第2章 电力系统谐波分析 | 第20-26页 |
| 2.1 电力系统谐波的含义和性质 | 第20-21页 |
| 2.2 电力系统谐波产生的主要原因 | 第21页 |
| 2.3 电力系统谐波源分析 | 第21-25页 |
| 2.3.1 发电机的谐波 | 第22页 |
| 2.3.2 变压器的谐波 | 第22-23页 |
| 2.3.3 电弧炉的谐波 | 第23页 |
| 2.3.4 电力电子装置的谐波 | 第23-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第3章 基于遗传优化粒子滤波算法的电力系统谐波估计 | 第26-50页 |
| 3.1 电力系统谐波机理模型的建立 | 第26-27页 |
| 3.2 粒子滤波算法分析 | 第27-35页 |
| 3.2.1 粒子滤波状态空间模型 | 第27页 |
| 3.2.2 贝叶斯理论 | 第27-29页 |
| 3.2.3 蒙特卡罗方法 | 第29-30页 |
| 3.2.4 粒子滤波贯序重要性采样算法的实现 | 第30-31页 |
| 3.2.5 减少粒子退化的关键技术 | 第31-33页 |
| 3.2.6 粒子重采样 | 第33页 |
| 3.2.7 粒子滤波算法的实现步骤 | 第33-35页 |
| 3.3 粒子滤波算法仿真分析 | 第35-36页 |
| 3.4 遗传算法分析 | 第36-40页 |
| 3.4.1 遗传算法基本思想 | 第36页 |
| 3.4.2 遗传算法基本概念 | 第36页 |
| 3.4.3 遗传算法的编码 | 第36-37页 |
| 3.4.4 遗传算法的基本操作 | 第37-38页 |
| 3.4.5 遗传算法的个体适应度评价 | 第38-39页 |
| 3.4.6 遗传算法的终止 | 第39页 |
| 3.4.7 遗传算法所需要的参数 | 第39-40页 |
| 3.5 粒子滤波算法与遗传算法的对比分析 | 第40-41页 |
| 3.6 遗传优化粒子滤波 | 第41-43页 |
| 3.7 基于GAPF算法的电力系统动态谐波估计的实现流程 | 第43页 |
| 3.8 仿真分析 | 第43-49页 |
| 3.8.1 GAPF在电力系统动态谐波幅值估计中的应用 | 第43-46页 |
| 3.8.2 GAPF在电力系统动态谐波相位估计中的应用 | 第46-49页 |
| 3.9 本章小结 | 第49-50页 |
| 第4章 基于自适应蚁群算法的级联型多电平逆变器谐波抑制 | 第50-60页 |
| 4.1 级联型多电平逆变器的谐波抑制 | 第50-52页 |
| 4.1.1 级联型多电平逆变器的结构 | 第51页 |
| 4.1.2 建立选择谐波消去脉宽调制目标方程 | 第51-52页 |
| 4.2 自适应蚁群算法 | 第52-55页 |
| 4.2.1 基本蚁群算法的原理 | 第52-53页 |
| 4.2.2 改进蚁群算法 | 第53-54页 |
| 4.2.3 自适应蚁群算法与基本蚁群算法的仿真分析 | 第54-55页 |
| 4.3 自适应蚁群算法求解SHE-PWM方程组 | 第55-56页 |
| 4.4 实验结果及分析 | 第56-59页 |
| 4.5 本章小结 | 第59-60页 |
| 结论与展望 | 第60-62页 |
| 结论 | 第60页 |
| 展望 | 第60-62页 |
| 参考文献 | 第62-67页 |
| 致谢 | 第67-68页 |
| 附录A 攻读学位期间所发表的学术论文目录 | 第68-69页 |
| 附录B | 第69-76页 |
| 表B1 PF算法实现的伪代码 | 第69-71页 |
| 表B2 GA算法实现的伪代码 | 第71-73页 |
| 表B3 GAPF算法实现的伪代码 | 第73-75页 |
| 表B4 Adaptive CAS算法实现的伪代码 | 第75-76页 |
