| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 1 绪论 | 第8-14页 |
| 1.1 分布式发电简介 | 第8-9页 |
| 1.2 分布式发电孤岛效应 | 第9-10页 |
| 1.3 国内外研究现状 | 第10-11页 |
| 1.4 主要研究内容 | 第11-14页 |
| 2 孤岛检测原理及研究方法 | 第14-26页 |
| 2.1 孤岛产生机理 | 第14-16页 |
| 2.2 孤岛检测标准 | 第16页 |
| 2.3 孤岛检测性能指标 | 第16-17页 |
| 2.4 孤岛检测方法 | 第17-23页 |
| 2.4.1 被动式孤岛检测法 | 第17-20页 |
| 2.4.2 主动式孤岛检测法 | 第20-23页 |
| 2.5 检测法评价及改进 | 第23-24页 |
| 2.5.1 改进孤岛检测法的原理 | 第23-24页 |
| 2.6 本章小结 | 第24-26页 |
| 3 基于小波分析的孤岛检测特征值提取 | 第26-34页 |
| 3.1 小波分析理论 | 第26-29页 |
| 3.1.1 连续小波变换 | 第26-27页 |
| 3.1.2 离散小波变换 | 第27页 |
| 3.1.3 多分辨率分析 | 第27-29页 |
| 3.2 孤岛检测的小波基函数选取 | 第29-31页 |
| 3.3 孤岛检测信号的小波分解层数选择 | 第31-33页 |
| 3.4 孤岛检测信号的小波分解系数处理 | 第33页 |
| 3.5 本章小结 | 第33-34页 |
| 4 基于PSO-BP神经网络的孤岛状态模式识别 | 第34-44页 |
| 4.1 人工神经网络 | 第34-36页 |
| 4.2 人工神经网络模式识别 | 第36页 |
| 4.3 BP神经网络 | 第36-37页 |
| 4.4 PSO算法优化BP神经网络 | 第37-40页 |
| 4.4.1 粒子群优化算法 | 第37-39页 |
| 4.4.2 PSO算法优化BP神经网络 | 第39-40页 |
| 4.5 孤岛识别的PSO-BP神经网络的设计 | 第40-42页 |
| 4.6 本章小结 | 第42-44页 |
| 5 基于小波变换和PSO-BP神经网络的孤岛检测仿真分析 | 第44-58页 |
| 5.1 孤岛检测系统的仿真建模和分析 | 第44-46页 |
| 5.2 特征量采集与仿真结果 | 第46-54页 |
| 5.3 检测结果与对比 | 第54-56页 |
| 5.3.1 本文算法的检测结果 | 第54-55页 |
| 5.3.2 同欠/过压和欠/过频式的孤岛检测法的对比 | 第55-56页 |
| 5.4 本章小结 | 第56-58页 |
| 6 结论与展望 | 第58-60页 |
| 6.1 结论 | 第58页 |
| 6.2 展望 | 第58-60页 |
| 致谢 | 第60-62页 |
| 参考文献 | 第62-64页 |