| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 1 绪论 | 第13-30页 |
| 1.1 研究背景和意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-27页 |
| 1.2.1 根据诊断方法进行分类 | 第15-22页 |
| 1.2.2 根据警报信息进行分类 | 第22-25页 |
| 1.2.3 根据空间属性进行分类 | 第25-27页 |
| 1.3 本文主要的研究内容和工作 | 第27-30页 |
| 2 故障诊断系统概述 | 第30-39页 |
| 2.1 引言 | 第30页 |
| 2.2 故障诊断系统的目标和功能 | 第30-32页 |
| 2.3 故障警报信息的来源和分类 | 第32-36页 |
| 2.3.1 故障诊断系统的信息源 | 第32-35页 |
| 2.3.2 警报信息分类及其特征 | 第35-36页 |
| 2.4 故障诊断系统的层次化结构 | 第36-38页 |
| 2.5 本章小结 | 第38-39页 |
| 3 融合信息理论的电力系统故障诊断解析模型 | 第39-55页 |
| 3.1 引言 | 第39-40页 |
| 3.2 故障诊断的信息运动过程 | 第40-41页 |
| 3.3 基于信息理论的故障诊断模型 | 第41-44页 |
| 3.3.1 信息量损失 | 第41-42页 |
| 3.3.2 基于信息量损失最小的故障诊断模型 | 第42-44页 |
| 3.4 故障诊断中的信息量损失计算 | 第44-48页 |
| 3.4.1 故障诊断中不确定性的量化 | 第44-45页 |
| 3.4.2 设备故障引起的信息量损失 | 第45页 |
| 3.4.3 继电保护装置和断路器动作引起的信息量损失 | 第45-48页 |
| 3.4.4 警报信息上传过程(信道2)的信息量损失 | 第48页 |
| 3.5 求解过程及故障诊断结果评价 | 第48-50页 |
| 3.5.1 故障假说的概率分布 | 第48-50页 |
| 3.5.2 故障诊断结果评价 | 第50页 |
| 3.6 算例分析 | 第50-53页 |
| 3.7 本章小结 | 第53-55页 |
| 4 考虑警报冗余和时序特征的电力系统故障诊断解析模型 | 第55-71页 |
| 4.1 引言 | 第55-56页 |
| 4.2 故障诊断模型的基本框架 | 第56-59页 |
| 4.3 故障假说和目标函数 | 第59-61页 |
| 4.3.1 故障假说 | 第59-60页 |
| 4.3.2 目标函数 | 第60-61页 |
| 4.4 目标函数的计算 | 第61-66页 |
| 4.4.1 警报预处理 | 第61-62页 |
| 4.4.2 保护设备动作逻辑 | 第62-64页 |
| 4.4.3 权重系数调整 | 第64-65页 |
| 4.4.4 时序冲突指标的确定 | 第65-66页 |
| 4.4.5 GATS求解 | 第66页 |
| 4.5 保护设备动作和警报评价 | 第66-67页 |
| 4.6 算例分析 | 第67-70页 |
| 4.7 本章小结 | 第70-71页 |
| 5 容纳时序约束的改进模糊Petri网故障诊断模型 | 第71-90页 |
| 5.1 引言 | 第71-72页 |
| 5.2 时序模糊Petri网 | 第72-76页 |
| 5.2.1 时序约束定义 | 第72页 |
| 5.2.2 时序约束定义 | 第72-73页 |
| 5.2.3 时序推理 | 第73-75页 |
| 5.2.4 时序模糊Petri网的矩阵运算 | 第75-76页 |
| 5.3 基于TRFPN的电力系统故障诊断模型 | 第76-83页 |
| 5.3.1 故障诊断时序分析 | 第78页 |
| 5.3.2 故障诊断模型 | 第78-82页 |
| 5.3.3 仿真参数确定 | 第82-83页 |
| 5.4 仿真算例验证及比较 | 第83-89页 |
| 5.4.1 基于TRFPN的故障诊断过程 | 第83-86页 |
| 5.4.2 继电保护装置评价 | 第86-87页 |
| 5.4.3 算例分析与比较 | 第87-89页 |
| 5.5 本章小结 | 第89-90页 |
| 6 基于时间约束网络的电力系统故障诊断事件关联分析方法 | 第90-107页 |
| 6.1 引言 | 第90-91页 |
| 6.2 所发展模型的基本架构 | 第91-92页 |
| 6.3 时序约束网络 | 第92-98页 |
| 6.3.1 时序约束网络的基本概念 | 第92-96页 |
| 6.3.2 时序信息表的构建 | 第96-98页 |
| 6.4 基于极限学习机的实时故障诊断模块 | 第98-103页 |
| 6.4.1 故障诊断模块的功能 | 第98页 |
| 6.4.2 生成候选假说集 | 第98-99页 |
| 6.4.3 特征采集 | 第99-101页 |
| 6.4.4 特征分类 | 第101-102页 |
| 6.4.5 综合评估 | 第102-103页 |
| 6.5 测试案例 | 第103-106页 |
| 6.5.1 最优隐藏层个数范围 | 第103-104页 |
| 6.5.2 极限学习机的集成 | 第104-105页 |
| 6.5.3 泛化能力分析 | 第105-106页 |
| 6.6 本章小结 | 第106-107页 |
| 7 结论与展望 | 第107-110页 |
| 7.1 全文工作总结 | 第107-108页 |
| 7.2 研究工作展望 | 第108-110页 |
| 参考文献 | 第110-124页 |
| 作者简历及攻读硕士学位期间发表的学术论文 | 第124-127页 |
| 致谢 | 第127页 |
