| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-19页 |
| ·本文研究的背景和意义 | 第10页 |
| ·电能质量的定义和分类 | 第10-15页 |
| ·国内外研究现状 | 第15-18页 |
| ·电能质量分析与控制方法研究 | 第15-16页 |
| ·电能质量扰动的分类方法研究 | 第16-18页 |
| ·本文的主要工作 | 第18-19页 |
| 第2章 小波变换和人工神经网络的基本理论 | 第19-28页 |
| ·小波变换 | 第19-22页 |
| ·连续小波变换 | 第19页 |
| ·离散小波变换 | 第19-20页 |
| ·二进小波变换 | 第20页 |
| ·多分辨率分析 | 第20-22页 |
| ·人工神经网络 | 第22-27页 |
| ·人工神经网络的原理 | 第22-23页 |
| ·BP 神经网络 | 第23-26页 |
| ·概率神经网络(PNN) | 第26-27页 |
| ·小结 | 第27-28页 |
| 第3章 基于小波变换与PSO-BP 神经网络的电能质量扰动分类 | 第28-46页 |
| ·分类辨识原理 | 第28-29页 |
| ·粒子群优化算法(PSO) | 第29-30页 |
| ·基于PSO 算法的BP 网络学习算法 | 第30-32页 |
| ·电能质量扰动特征提取 | 第32-37页 |
| ·电能质量扰动分类的实现 | 第37-38页 |
| ·仿真算例 | 第38-45页 |
| ·正常电压和几种典型扰动的PSCAD/EMTDC 仿真 | 第40-42页 |
| ·提取特征 | 第42-43页 |
| ·PSO-BP 神经网络分类 | 第43-44页 |
| ·结果分析 | 第44-45页 |
| ·小结 | 第45-46页 |
| 第4章 基于小波系数PCA+KPCA 与PNN 的电能质量扰动分类 | 第46-58页 |
| ·分类辨识原理 | 第46-47页 |
| ·主成分分析(PCA) | 第47-49页 |
| ·核主成分分析(KPCA) | 第49-51页 |
| ·KPCA 的原理 | 第49-50页 |
| ·KPCA 的实现过程 | 第50-51页 |
| ·几种常用的核函数 | 第51页 |
| ·电能质量扰动特征提取 | 第51-52页 |
| ·电能质量扰动分类的实现 | 第52页 |
| ·仿真算例 | 第52-56页 |
| ·正常电压和各种扰动的数学模型 | 第52-53页 |
| ·提取特征 | 第53-54页 |
| ·PNN 分类 | 第54-56页 |
| ·结果分析 | 第56页 |
| ·小结 | 第56-58页 |
| 结论 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 附录A (攻读学位期间所发表的学术论文目录) | 第64-65页 |
| 致谢 | 第65页 |
