基于神经网络的高压架空输电线路径向温升模型研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第10-14页 |
| 1.1 选题背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 架空线路温升模型研究现状 | 第11-12页 |
| 1.2.2 人工神经网络建模方法发展现状 | 第12-13页 |
| 1.3 主要研究内容 | 第13-14页 |
| 2 高压架空输电线路温升模型 | 第14-30页 |
| 2.1 IEEE标准模型 | 第14-19页 |
| 2.1.1 IEEE标准模型原理 | 第14-15页 |
| 2.1.2 热平衡方程参数的具体计算 | 第15-19页 |
| 2.2. 热路模型 | 第19-29页 |
| 2.2.1 热电类比理论 | 第19-21页 |
| 2.2.2 集总参数热路模型原理 | 第21-23页 |
| 2.2.3 模型参数辨识方法 | 第23-24页 |
| 2.2.4 分布参数热路模型简介 | 第24-26页 |
| 2.2.5 模型参数辨识方法 | 第26-29页 |
| 2.3 本章小结 | 第29-30页 |
| 3 人工神经网络原理 | 第30-45页 |
| 3.1 神经网络特性 | 第30-35页 |
| 3.1.1 神经元模型 | 第30-32页 |
| 3.1.2 神经网络的结构 | 第32-33页 |
| 3.1.3 神经网络模型的分类 | 第33-35页 |
| 3.2 BP神经网络模型 | 第35-41页 |
| 3.2.1 BP神经网络模型结构 | 第35-36页 |
| 3.2.2 BP神经网络的前向传播过程 | 第36-37页 |
| 3.2.3 BP神经网络的反向传播过程 | 第37-39页 |
| 3.2.4 BP神经网络学习的具体步骤 | 第39-40页 |
| 3.2.5 BP网络算法的改进 | 第40-41页 |
| 3.3 RBF神经网络模型 | 第41-44页 |
| 3.3.1 RBF神经网络结构 | 第41页 |
| 3.3.2 RBF神经网络的输出 | 第41-42页 |
| 3.3.3 RBF神经网络的学习过程 | 第42-44页 |
| 3.4 本章小结 | 第44-45页 |
| 4 基于神经网络的线路径向温升模型研究 | 第45-64页 |
| 4.1 架空线路径向温升实验平台设计 | 第45-48页 |
| 4.2 实验数据获取与分析 | 第48-51页 |
| 4.2.1 实验数据获取 | 第48-49页 |
| 4.2.2 实验数据分析 | 第49-51页 |
| 4.3 基于神经网络的径向温升模型及验证 | 第51-62页 |
| 4.3.1 数据的选取及神经网络的拓扑结构 | 第51页 |
| 4.3.2 基于BP神经网络的径向温升估计 | 第51-57页 |
| 4.3.3 基于RBF神经网络的径向温升估计 | 第57-61页 |
| 4.3.4 模型优势验证 | 第61-62页 |
| 4.4 本章小结 | 第62-64页 |
| 5 结论与展望 | 第64-65页 |
| 5.1 研究结论 | 第64页 |
| 5.2 研究展望 | 第64-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-71页 |
| 附录A | 第71-76页 |
| 附录B | 第76页 |
