| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 1 绪论 | 第8-14页 |
| 1.1 电力系统故障诊断的目的与意义 | 第8页 |
| 1.2 电力系统故障诊断研究现状 | 第8-12页 |
| 1.2.1 专家系统 | 第9-10页 |
| 1.2.2 人工神经网络 | 第10页 |
| 1.2.3 Petri网络 | 第10-11页 |
| 1.2.4 贝叶斯网络 | 第11-12页 |
| 1.2.5 粗糙集理论 | 第12页 |
| 1.3 本文的主要工作 | 第12-14页 |
| 2 基于数据挖掘技术的故障诊断 | 第14-18页 |
| 2.1 数据挖掘技术概述 | 第14页 |
| 2.2 数据挖掘技术基本步骤 | 第14-15页 |
| 2.3 数据挖掘的常用方法 | 第15-16页 |
| 2.3.1 决策树方法 | 第15页 |
| 2.3.2 粗糙集方法 | 第15页 |
| 2.3.3 贝叶斯网络方法 | 第15页 |
| 2.3.4 遗传算法 | 第15-16页 |
| 2.4 数据挖掘在电力系统中的应用 | 第16-17页 |
| 2.5 基于数据挖掘技术在配电网故障诊断中的应用分析 | 第17页 |
| 2.6 本章小结 | 第17-18页 |
| 3 基于粗糙集理论的故障诊断方法 | 第18-30页 |
| 3.1 粗糙集理论的基本概念 | 第18页 |
| 3.2 粗糙集理论中的等价类和不可分割关系 | 第18-21页 |
| 3.3 信息系统与可辨识矩阵的形成 | 第21-22页 |
| 3.3.1 粗糙集的信息系统 | 第21页 |
| 3.3.2 可辨识矩阵的形成 | 第21-22页 |
| 3.4 约简与核 | 第22-25页 |
| 3.5 粗糙集的相关软件——Rosetta | 第25页 |
| 3.6 基于粗糙集的数据挖掘在故障诊断中的应用分析 | 第25-29页 |
| 3.7 本章小结 | 第29-30页 |
| 4 基于贝叶斯网络的故障诊断方法 | 第30-40页 |
| 4.1 贝叶斯理论 | 第30-32页 |
| 4.1.1 概率论基础 | 第30-31页 |
| 4.1.2 贝叶斯定理 | 第31-32页 |
| 4.2 贝叶斯概率推理 | 第32-33页 |
| 4.3 贝叶斯网络理论 | 第33-34页 |
| 4.4 贝叶斯网络建模 | 第34-35页 |
| 4.5 贝叶斯网络推理模式 | 第35页 |
| 4.6 基于贝叶斯网络的配电网故障诊断 | 第35-39页 |
| 4.7 本章小结 | 第39-40页 |
| 5 改进的数据挖掘方法在配电网故障诊断中的应用 | 第40-56页 |
| 5.1 信息熵的概念 | 第40-41页 |
| 5.2 互信息理论基础 | 第41-42页 |
| 5.3 改进的数据挖掘方法在配电网故障诊断中的应用 | 第42-43页 |
| 5.4 电力系统故障信息的获取 | 第43页 |
| 5.5 配电网故障诊断模型 | 第43-50页 |
| 5.5.1 继电保护动作原理 | 第44页 |
| 5.5.2 建立原始决策表 | 第44-45页 |
| 5.5.3 求取可辨识矩阵 | 第45-46页 |
| 5.5.4 找出核属性并得到约简结果 | 第46页 |
| 5.5.5 求取最简属性约简组合 | 第46-48页 |
| 5.5.6 贝叶斯网络模型 | 第48-50页 |
| 5.6 故障诊断容错性分析 | 第50-53页 |
| 5.7 本章小结 | 第53-56页 |
| 6 总结与展望 | 第56-58页 |
| 攻读学位期间参加的科研项目及发表的学术论文 | 第58-60页 |
| 致谢 | 第60-62页 |
| 参考文献 | 第62-65页 |
