| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 选题背景及研究意义 | 第9页 |
| 1.2 电压跌落 | 第9-13页 |
| 1.2.1 电压跌落的概念 | 第9-11页 |
| 1.2.2 电压跌落的原因 | 第11页 |
| 1.2.3 电压跌落的危害 | 第11-13页 |
| 1.2.4 电压跌落的解决措施 | 第13页 |
| 1.3 动态电压恢复器研究现状及发展趋势 | 第13-15页 |
| 1.4 本文的主要工作及内容安排 | 第15-17页 |
| 第二章 动态电压恢复器工作原理及RBF神经元网络 | 第17-29页 |
| 2.1 动态电压恢复器工作原理与电路结构 | 第17-22页 |
| 2.1.1 DVR工作原理与工作模式 | 第17-18页 |
| 2.1.2 DVR主电路结构 | 第18-22页 |
| 2.1.2.1 逆变单元 | 第19-20页 |
| 2.1.2.2 直流储能单元 | 第20-21页 |
| 2.1.2.3 滤波单元 | 第21页 |
| 2.1.2.4 耦合单元 | 第21-22页 |
| 2.2 动态电压恢复器补偿策略 | 第22-25页 |
| 2.2.1 同相电压补偿方式 | 第22-23页 |
| 2.2.2 完全电压补偿方式 | 第23-24页 |
| 2.2.3 最小功率补偿方式 | 第24-25页 |
| 2.3 RBF神经元网络介绍 | 第25-27页 |
| 2.3.1 RBF神经元网络原理 | 第25-26页 |
| 2.3.2 RBF神经元网络学习算法 | 第26-27页 |
| 2.4 本章小结 | 第27-29页 |
| 第三章 动态电压恢复器电压跌落检测方法研究 | 第29-37页 |
| 3.1 现有的电压跌落检测法 | 第29-31页 |
| 3.1.1 有效值计算法 | 第29页 |
| 3.1.2 缺损电压法 | 第29-30页 |
| 3.1.3 人工神经网络检测法 | 第30页 |
| 3.1.4 小波分析法 | 第30-31页 |
| 3.2 基于瞬时无功功率理论的dq变换法 | 第31-32页 |
| 3.3 单相dq变换检测法 | 第32-33页 |
| 3.4 单相dq变换改进检测法 | 第33-34页 |
| 3.5 仿真研究 | 第34-35页 |
| 3.6 本章小结 | 第35-37页 |
| 第四章 DVR控制策略研究及RBF神经元网络建模 | 第37-45页 |
| 4.1 DVR的数学模型 | 第37-38页 |
| 4.2 DVR的前馈控制 | 第38-39页 |
| 4.3 DVR的反馈控制 | 第39-41页 |
| 4.4 基于神经元网络动态电压恢复器控制策略 | 第41-44页 |
| 4.4.1 神经元网络控制 | 第41-42页 |
| 4.4.2 基于RBF神经元网络动态电压恢复器控制策略 | 第42-44页 |
| 4.5 本章小结 | 第44-45页 |
| 第五章 RBF神经元网络控制DVR系统研究及仿真 | 第45-55页 |
| 5.1 RBF神经元网络控制器设计 | 第45-46页 |
| 5.2 神经元网络学习算法设计 | 第46-47页 |
| 5.3 基于RBF神经元网络控制DVR的Matlab仿真分析 | 第47-53页 |
| 5.3.1 线性负载仿真结果分析 | 第48-50页 |
| 5.3.2 非线性负载仿真结果分析 | 第50-53页 |
| 5.3.3 负载突变时仿真结果分析 | 第53页 |
| 5.4 本章小结 | 第53-55页 |
| 总结与展望 | 第55-57页 |
| 参考文献 | 第57-61页 |
| 致谢 | 第61页 |