| 摘要 | 第1-6页 |
| ABSTRACT | 第6-13页 |
| 第一章 绪论 | 第13-24页 |
| ·引言 | 第13页 |
| ·谐波的分类与标准 | 第13-15页 |
| ·谐波的分类 | 第13页 |
| ·电网谐波标准 | 第13-14页 |
| ·间谐波的产生 | 第14-15页 |
| ·电力系统谐波研究的意义 | 第15-17页 |
| ·谐波的危害 | 第15-16页 |
| ·谐波研究的意义 | 第16-17页 |
| ·谐波的研究现状以及发展趋势 | 第17页 |
| ·谐波研究的现状 | 第17页 |
| ·谐波测量的发展趋势 | 第17页 |
| ·电力系统谐波分析方法 | 第17-23页 |
| ·采用模拟带通(或带阻滤波器)测量谐波 | 第18页 |
| ·基于傅立叶变换的谐波测量 | 第18-19页 |
| ·基于瞬时无功功率的谐波测量 | 第19页 |
| ·基于特征值分解的谐波测量 | 第19-21页 |
| ·基于 SVD 算法的谐波测量 | 第21页 |
| ·基于 Prony 算法的谐波测量 | 第21页 |
| ·基于小波变换的谐波测量 | 第21-22页 |
| ·基于神经网络的谐波测量 | 第22-23页 |
| ·本文主要研究内容 | 第23-24页 |
| 第二章 神经网络理论与谐波分析 | 第24-43页 |
| ·神经网络研究的概述 | 第24-26页 |
| ·神经网络的基本概念 | 第26-30页 |
| ·人工神经元的模型 | 第26-27页 |
| ·神经元常用的基函数与激励函数类型 | 第27-30页 |
| ·神经网络的特征 | 第30-31页 |
| ·神经网络的网络结构和工作过程 | 第31-34页 |
| ·神经网络的学习与学习规则 | 第34-36页 |
| ·神经网络的学习方式 | 第34页 |
| ·神经网络的学习规则 | 第34-36页 |
| ·神经网络的网络结构选择问题 | 第36-37页 |
| ·学习率的选取问题 | 第37页 |
| ·BP 网络及 BP 算法 | 第37-40页 |
| ·BP 算法的原理 | 第37-39页 |
| ·BP 算法的局限性 | 第39-40页 |
| ·神经网络理论在谐波分析中的应用 | 第40-41页 |
| ·神经网络应用于谐波分析的几个难点 | 第41-43页 |
| ·神经网络的输入 | 第41页 |
| ·神经网络的学习 | 第41-42页 |
| ·神经网络的网络构建 | 第42-43页 |
| 第三章 基于傅立叶基神经网络的谐波分析 | 第43-54页 |
| ·傅立叶基神经网络 | 第43-45页 |
| ·傅立叶级数 | 第43页 |
| ·傅立叶基神经网络 | 第43-45页 |
| ·基于傅立叶基神经网络的谐波分析 | 第45-54页 |
| ·神经网络模型的构建 | 第45-46页 |
| ·权值调整算法 | 第46-48页 |
| ·谐波参数估计 | 第48页 |
| ·神经网络训练步骤 | 第48-49页 |
| ·仿真分析 | 第49-52页 |
| ·两种算法的比较 | 第52页 |
| ·仿真结果 | 第52-54页 |
| 第四章 基于神经网络和 PRONY 算法的谐波分析 | 第54-62页 |
| ·PRONY 算法 | 第54-57页 |
| ·Prony 算法简介 | 第54页 |
| ·Prony 算法分析 | 第54-57页 |
| ·基于神经网络和 PRONY 算法的谐波分析 | 第57-62页 |
| ·Prony 算法的局限性 | 第57-58页 |
| ·神经网络模型的建立 | 第58-59页 |
| ·仿真实例 | 第59-61页 |
| ·结论 | 第61-62页 |
| 第五章 结束语 | 第62-64页 |
| ·全文总结 | 第62-63页 |
| ·本文的主要特色和创新点 | 第63页 |
| ·展望 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 致谢 | 第68-69页 |
| 附录 A （攻读硕士学位期间发表论文目录） | 第69-70页 |
| 详细摘要 | 第70-76页 |