| 中文摘要 | 第1-6页 |
| 英文摘要 | 第6-14页 |
| 第一章 绪论 | 第14-20页 |
| 1．1 电力系统继电保护概述 | 第14-17页 |
| 1．1．1 引言 | 第14-15页 |
| 1．1．2 继电保护技术的历史 | 第15-17页 |
| 1．2 智能型自适应继电保护 | 第17-18页 |
| 1．2．1 智能型自适应继电保护的提出 | 第17页 |
| 1．2．2 国内外研究现状 | 第17-18页 |
| 1．3 论文的主要工作 | 第18-20页 |
| 第二章 电流保护简介 | 第20-27页 |
| 2．1 电流保护的原理 | 第20页 |
| 2．2 阶段式电流保护 | 第20-24页 |
| 2．2．1 电流速断保护 | 第21-22页 |
| 2．2．2 限时电流速断保护 | 第22-23页 |
| 2．2．3 过电流保护 | 第23页 |
| 2．2．4 三段式电流保护 | 第23-24页 |
| 2．3 阶段式电流保护的优缺点 | 第24-25页 |
| 2．4 小结 | 第25-27页 |
| 第三章 基于人工神经网络的电流保护 | 第27-45页 |
| 3．1 人工神经网络概述 | 第27-31页 |
| 3．1．1 神经元的数学模型 | 第28页 |
| 3．1．2 人工神经网络的结构 | 第28-29页 |
| 3．1．3 人工神经网络的学习算法 | 第29-30页 |
| 3．1．4 人工神经网络的应用 | 第30-31页 |
| 3．2 用于继电保护的人工神经网络模型 | 第31-34页 |
| 3．2．1 BP网络 | 第31-33页 |
| 3．2．2 RBF网络 | 第33-34页 |
| 3．3 基于BP网络的电流保护研究 | 第34-38页 |
| 3．3．1 模型的建立 | 第34-35页 |
| 3．3．2 故障类型与相别判断子网络ANN1 | 第35-36页 |
| 3．3．3 故障方向判别子网络ANN2 | 第36-38页 |
| 3．4 网络的训练和检验 | 第38-40页 |
| 3．4．1 子网络ANN1的训练和检验过程 | 第39-40页 |
| 3．4．2 子网络ANN2的训练和检验结果 | 第40页 |
| 3．5 基于RBF网络的电流保护研究 | 第40-44页 |
| 3．6 小结 | 第44-45页 |
| 第四章 自动重合闸的简介 | 第45-50页 |
| 4．1 自动重合闸在电力系统中的作用 | 第45-46页 |
| 4．2 单相自动重合闸 | 第46-49页 |
| 4．2．1 单相自动重合闸的概念 | 第46-48页 |
| 4．2．2 对单相自动重合闸的评价 | 第48-49页 |
| 4．3 自动重合闸的缺点 | 第49页 |
| 4．4 小结 | 第49-50页 |
| 第五章 微机式自适应单相自动重合闸 | 第50-55页 |
| 5．1 自适应单相自动重合闸的基本原理 | 第50-51页 |
| 5．2 区分永久性和瞬时性故障的原则及判据 | 第51-54页 |
| 5．2．1 区分永久性和瞬时性故障的基本原则 | 第51-52页 |
| 5．2．2 电压判据算法 | 第52-53页 |
| 5．2．3 电压补偿判据算法 | 第53页 |
| 5．2．4 电压判据及电压补偿判掘的缺陷 | 第53-54页 |
| 5．3 小结 | 第54-55页 |
| 第六章 智能型自适应单相重合闸 | 第55-61页 |
| 6．1 基于人工神经网络的智能型自适应重合闸 | 第55-57页 |
| 6．1．1 人工神经网络模型 | 第55-56页 |
| 6．1．2 网络的训练 | 第56-57页 |
| 6．2 模糊神经网络在自适应单相重合闸中应用的设想 | 第57-60页 |
| 6．2．1 模糊神经网络（FNN）概述 | 第57-59页 |
| 6．2．2 模糊神经网络应用于自适应单相重合闸的设想 | 第59-60页 |
| 6．3 小结 | 第60-61页 |
| 结论 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 本人在攻读硕士期间所撰写的论文 | 第67-68页 |
| 致谢 | 第68页 |