| 中文摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-19页 |
| ·课题的背景及意义 | 第8-9页 |
| ·国内外发展状况 | 第9-13页 |
| ·电网故障诊断研究现状 | 第9-13页 |
| ·专家系统(Expert System) | 第9-10页 |
| ·人工神经网络(Artificial Neural Network) | 第10页 |
| ·优化算法(optimization Algorithm) | 第10-11页 |
| ·粗糙集理论(Rough Set Theory) | 第11页 |
| ·模糊集理论(Fuzzy Set Theory) | 第11-12页 |
| ·Petri网络(Petri Network) | 第12页 |
| ·基于解析模型的故障诊断方法 | 第12-13页 |
| ·配电网络故障诊断信息来源 | 第13-17页 |
| ·配电网诊断信息源 | 第13-14页 |
| ·配电网故障诊断内容 | 第14-15页 |
| ·配电网故障原因和故障类型 | 第15-16页 |
| ·配电网故障诊断目前存在的问题 | 第16-17页 |
| ·课题的来源与主要研究内容 | 第17-19页 |
| 第二章 基于面向元件的GRNN神经网络的电网故障诊断方法 | 第19-28页 |
| ·概述 | 第19-21页 |
| ·GRNN神经网络 | 第19页 |
| ·GRNN网络模型 | 第19-21页 |
| ·GRNN网络的学习算法 | 第21页 |
| ·基于GRNN神经网络的故障诊断 | 第21-24页 |
| ·基于面向元件的GRNN神经网络的故障诊断模型 | 第21-22页 |
| ·变压器神经网络模型 | 第22-23页 |
| ·线路神经网络模型 | 第23页 |
| ·母线神经网络模型 | 第23-24页 |
| ·神经网络的训练 | 第24-27页 |
| ·基于GRNN网络的训练样本 | 第24-25页 |
| ·基于GRNN网络的训练 | 第25-27页 |
| ·本章小结 | 第27-28页 |
| 第三章 基于果蝇优化算法的GRNN电网故障诊断 | 第28-41页 |
| ·优化算法 | 第28页 |
| ·四种智能算法寻优能力的比较 | 第28-35页 |
| ·遗传算法寻优性能 | 第29-30页 |
| ·粒子群算法寻优性能 | 第30-31页 |
| ·鱼群算法寻优性能 | 第31-32页 |
| ·果蝇优化算法的起源和实现 | 第32-33页 |
| ·果蝇优化算法寻优性能 | 第33-35页 |
| ·基于果蝇优化算法的GRNN神经网络故障诊断模型 | 第35-36页 |
| ·果蝇算法寻优GRNN神经网络最佳spread参数值 | 第35-36页 |
| ·算例分析 | 第36-39页 |
| ·本章小结 | 第39-41页 |
| 第四章 因果时序网络在故障诊断领域中的应用 | 第41-49页 |
| ·警报信息的时序特性 | 第42-43页 |
| ·警报信息时序约束 | 第42页 |
| ·保护事件时序约束 | 第42-43页 |
| ·断路器动作事件时序约束 | 第43页 |
| ·时序特性一致性约束 | 第43页 |
| ·因果网络 | 第43-44页 |
| ·因果网络的基本定义 | 第43-44页 |
| ·CEN的矩阵表达式 | 第44页 |
| ·面向元件的因果时序网络的报警信息甄别模型 | 第44-45页 |
| ·面向元件的因果时序网络拓扑图 | 第44-45页 |
| ·算例分析 | 第45-48页 |
| ·本章小结 | 第48-49页 |
| 第五章 110kv配电网故障诊断系统的设计 | 第49-56页 |
| ·功能需求 | 第49页 |
| ·系统整体设计 | 第49-52页 |
| ·设备数据库设计 | 第50-52页 |
| ·故障区域自动识别 | 第52页 |
| ·配电网故障诊断系统主站实现 | 第52-54页 |
| ·本章小结 | 第54-56页 |
| 结论和展望 | 第56-58页 |
| 1、本文总结 | 第56页 |
| 2、展望 | 第56-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-62页 |
| 附录 | 第62-69页 |
| 个人简历 | 第69-70页 |
| 攻读硕士期间的研究成果及发表的学术论文 | 第70页 |
