基于信息融合的电网故障诊断方法研究
| 摘要 | 第8-10页 |
| ABSTRACT | 第10-11页 |
| 第一章 绪论 | 第12-20页 |
| 1.1 课题研究的背景及意义 | 第12-13页 |
| 1.2 国内外研究综述 | 第13-18页 |
| 1.3 论文主要工作 | 第18-19页 |
| 1.4 小结 | 第19-20页 |
| 第二章 信息融合的电网故障诊断基本框架 | 第20-30页 |
| 2.1 电网故障诊断基本框架 | 第20-21页 |
| 2.2 故障诊断流程 | 第21-23页 |
| 2.3 多级故障信息分析 | 第23-29页 |
| 2.3.1 基于WAMS的广域测量信息 | 第24页 |
| 2.3.2 站域信息分析 | 第24-25页 |
| 2.3.3 间隔二次信息分析 | 第25-26页 |
| 2.3.4 间隔一次信息分析 | 第26-29页 |
| 2.4 小结 | 第29-30页 |
| 第三章 基于聚类理论分析的电网故障扰动区域划分 | 第30-46页 |
| 3.1 聚类分析的基本理论 | 第30-37页 |
| 3.1.1 距离和相似系数 | 第30-32页 |
| 3.1.2 系统聚类法 | 第32-36页 |
| 3.1.3 模糊C均值聚类法 | 第36-37页 |
| 3.2 基于聚类分析的故障诊断区确定 | 第37-44页 |
| 3.2.1 系统聚类法故障区辨识 | 第38-41页 |
| 3.2.2 模糊C均值聚类法故障区辨识 | 第41-44页 |
| 3.2.3 可疑故障区域的确定 | 第44页 |
| 3.3 小结 | 第44-46页 |
| 第四章 基于贝叶斯模型的故障确定 | 第46-54页 |
| 4.1 贝叶斯概率算法理论 | 第46-47页 |
| 4.2 基于电气量的贝叶斯先验概率 | 第47-49页 |
| 4.3 基于贝叶斯信息融合的元件故障概率计算 | 第49-53页 |
| 4.3.1 形成可疑元件-故障特征量加权关联矩阵 | 第49-51页 |
| 4.3.2 故障概率计算 | 第51-53页 |
| 4.4 小结 | 第53-54页 |
| 第五章 电网故障诊断算例 | 第54-64页 |
| 5.1. 电网实际线路故障诊断分析 | 第55-60页 |
| 5.2 故障信息容错性分析 | 第60-62页 |
| 5.3 保护不正常动作分析 | 第62-63页 |
| 5.4 小结 | 第63-64页 |
| 第六章 总结与展望 | 第64-66页 |
| 6.1 论文总结 | 第64-65页 |
| 6.2 展望 | 第65-66页 |
| 参考文献 | 第66-72页 |
| 致谢 | 第72-73页 |
| 攻读硕士学位期间的学术成果 | 第73-74页 |
| 攻读硕士学位期间的科研情况 | 第74-75页 |
| 附件 | 第75页 |
