电能质量扰动信号的检测与识别
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第8-13页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.3 论文的主要工作及内容安排 | 第11-13页 |
| 第2章 电能质量扰动检测与识别方法概述 | 第13-26页 |
| 2.1 引言 | 第13页 |
| 2.2 电能质量扰动检测方法 | 第13-21页 |
| 2.2.1 傅里叶变换及其改进方法 | 第13-14页 |
| 2.2.2 小波变换 | 第14-17页 |
| 2.2.3 S变换 | 第17-18页 |
| 2.2.4 希尔伯特黄变换 | 第18-19页 |
| 2.2.5 Prony方法 | 第19-20页 |
| 2.2.6 dq变换 | 第20-21页 |
| 2.3 电能质量扰动识别方法 | 第21-25页 |
| 2.3.1 人工神经网络 | 第21-23页 |
| 2.3.2 支持向量机 | 第23-25页 |
| 2.4 小结 | 第25-26页 |
| 第3章 基于稀疏分解的电能质量扰动检测与识别 | 第26-44页 |
| 3.1 引言 | 第26页 |
| 3.2 稀疏分解 | 第26-30页 |
| 3.2.1 基追踪 | 第27页 |
| 3.2.2 匹配追踪 | 第27-28页 |
| 3.2.3 基于粒子群优化的匹配追踪 | 第28-30页 |
| 3.3 过完备参数字典的构造 | 第30-32页 |
| 3.4 基于稀疏表示的总体识别方案 | 第32-34页 |
| 3.5 实验仿真 | 第34-43页 |
| 3.5.1 扰动信号检测的仿真分析 | 第35-39页 |
| 3.5.2 扰动信号识别的仿真分析 | 第39-43页 |
| 3.6 小结 | 第43-44页 |
| 第4章 基于深度学习的电能质量扰动识别 | 第44-55页 |
| 4.1 引言 | 第44-45页 |
| 4.2 稀疏自编码 | 第45-48页 |
| 4.3 稀疏自编码与稀疏表示的关系 | 第48页 |
| 4.4 堆栈自编码 | 第48-50页 |
| 4.5 基于深度学习的总体识别方案 | 第50-51页 |
| 4.6 实验仿真 | 第51-53页 |
| 4.6.1 实验设计 | 第51-52页 |
| 4.6.2 实验结果 | 第52-53页 |
| 4.7 小结 | 第53-55页 |
| 第5章 总结与展望 | 第55-57页 |
| 5.1 总结 | 第55-56页 |
| 5.2 展望 | 第56-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 攻读学位期间的研究成果 | 第62页 |
