| 1 绪论 | 第1-15页 |
| 1．1 谐波测量在电力系统中的目的和意义 | 第9页 |
| 1．2 电力系统谐波的特点及分类 | 第9-10页 |
| 1．2．1 电力系统谐波的特点 | 第9页 |
| 1．2．2 电力系统谐波分类 | 第9-10页 |
| 1．3 目前电力系统中主要的谐波测量方法评述 | 第10-13页 |
| 1．3．1 基于傅立叶变换的谐波测量 | 第10-11页 |
| 1．3．2 基于瞬时无功功率理论的谐波测量方法 | 第11-12页 |
| 1．3．3 基于小波分析方法的谐波测量 | 第12页 |
| 1．3．4 基于神经网络的谐波测量 | 第12-13页 |
| 1．4 本论文所作的主要工作 | 第13-15页 |
| 2 神经网络的理论与谐波测量 | 第15-20页 |
| 2．1 神经网络理论分析 | 第15-19页 |
| 2．1．1 神经网络理论的发展 | 第15页 |
| 2．1．2 神经网络模型 | 第15-17页 |
| 2．1．3 神经网络的学习数学处理过程 | 第17-19页 |
| 2．2 神经网络理论应用于谐波测量时的主要问题 | 第19-20页 |
| 3 基于自适应神经网络的谐波测量 | 第20-34页 |
| 3．1 自适应神经网络谐波电流检测原理 | 第20-22页 |
| 3．1．1 自适应噪声对消技术 | 第20-21页 |
| 3．1．2 基于自适应滤波的谐波测量原理 | 第21页 |
| 3．1．3 用神经元实现自适应滤波器 | 第21-22页 |
| 3．2 用于谐波测量的自适应人工神经网络构建 | 第22-24页 |
| 3．3 网络学习算法 | 第24-25页 |
| 3．4 各次谐波分量的测量方法 | 第25-26页 |
| 3．5 算法仿真实例及分析 | 第26-33页 |
| 3．6 小结 | 第33-34页 |
| 4 基于BP神经网络的谐波测量 | 第34-50页 |
| 4．1 BP网络的基本结构 | 第34-39页 |
| 4．1．1 BP网络的基本结构 | 第34-35页 |
| 4．1．2 BP算法的数学表达 | 第35-39页 |
| 4．2 BP算法的执行步骤 | 第39-40页 |
| 4．3 基于BP神经网络的谐波测量 | 第40-45页 |
| 4．3．1 初相角的确定方法 | 第40-42页 |
| 4．3．2 网络结构的构建 | 第42-43页 |
| 4．3．3 训练样本的形成 | 第43-44页 |
| 4．3．4 学习算法 | 第44-45页 |
| 4．4 算法实例仿真分析 | 第45-49页 |
| 4．5 小结 | 第49-50页 |
| 5 基于RBF神经网络的谐波测量 | 第50-62页 |
| 5．1 RBF神经网络的基本原理 | 第50-53页 |
| 5．1．1 RBF神经网络的结构 | 第50-51页 |
| 5．1．2 RBF网络学习算法的选取 | 第51-52页 |
| 5．1．3 基于正交最小二乘法的 RBF网络学习方法 | 第52-53页 |
| 5．2 用于测量谐波的径向基函数网络构成 | 第53-54页 |
| 5．3 网络的参数确定及学习算法 | 第54-55页 |
| 5．4 算例及仿真结果 | 第55-59页 |
| 5．5 与 BP网络的比较 | 第59-60页 |
| 5．6 小结 | 第60-62页 |
| 6 总结 | 第62-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-68页 |