摘要 | 第5-6页 |
Abstract | 第6-7页 |
第1章 绪论 | 第10-22页 |
1.1 选题背景和研究意义 | 第10-11页 |
1.2 电能质量定义及电能质量标准 | 第11-12页 |
1.3 电能质量分类及特征参数 | 第12-16页 |
1.4 电能质量扰动分析方法 | 第16-18页 |
1.5 电能质量扰动研究现状 | 第18-20页 |
1.6 本文的主要研究内容 | 第20-22页 |
第2章 基于CEEMD的信号分解 | 第22-32页 |
2.1 EMD和EEMD信号分解原理 | 第22-23页 |
2.2 CEEMD方法的信号分解原理 | 第23-24页 |
2.3 GG聚类原理 | 第24-25页 |
2.4 分解效果和计算成本对比 | 第25-31页 |
2.4.1 实验数据及分解效果 | 第25-29页 |
2.4.2 计算成本对比 | 第29-31页 |
2.5 本章小结 | 第31-32页 |
第3章 基于CEEMD的电能质量扰动信号的分解 | 第32-39页 |
3.1 六种常见电能质量扰动信号的分解 | 第32-36页 |
3.2 基于互近似熵的GG聚类 | 第36-37页 |
3.3 聚类扰动分析 | 第37-38页 |
3.4 本章小结 | 第38-39页 |
第4章 基于改进广义S变换的电能质量参数检测 | 第39-52页 |
4.1 S变换原理 | 第39-40页 |
4.2 优化广义S变换及参数r的调控 | 第40-43页 |
4.2.1 广义S变换 | 第40-42页 |
4.2.2 优化广义S变换 | 第42-43页 |
4.2.3 广义S变换的参数r优化指标 | 第43页 |
4.3 基于OGST的电能质量扰动参数对比 | 第43-45页 |
4.4 基于OGST的特征提取 | 第45-51页 |
4.4.1 电能质量扰动模型 | 第45-46页 |
4.4.2 扰动信号的TMA曲线和FMA曲线 | 第46-48页 |
4.4.3 特征提取 | 第48-49页 |
4.4.4 扰动参数的求解方法 | 第49-51页 |
4.5 本章小结 | 第51-52页 |
第5章 电能质量扰动的分类及对比实验 | 第52-61页 |
5.1 分类器的选择 | 第52-57页 |
5.1.1 BP和SVM神经网络 | 第52-53页 |
5.1.2 ELM神经网络算法 | 第53-57页 |
5.2 复合扰动分类分析 | 第57-58页 |
5.3 OGST和GST电能质量扰动信号分析对比实验 | 第58-59页 |
5.4 分类器性能对比 | 第59-60页 |
5.5 本章小结 | 第60-61页 |
结论 | 第61-62页 |
参考文献 | 第62-68页 |
攻读硕士学位期间承担的科研任务与主要成果 | 第68-69页 |
致谢 | 第69页 |