| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题研究背景及意义 | 第10-11页 |
| 1.2 短路电流预测概述 | 第11-12页 |
| 1.2.1 短路电流预测的概念 | 第11-12页 |
| 1.2.2 短路电流预测的分类 | 第12页 |
| 1.3 国内外短路电流研究现状 | 第12-14页 |
| 1.4 全文安排 | 第14-16页 |
| 第2章 基于在线短路电流预测模型的理论基础 | 第16-27页 |
| 2.1 BP神经网络 | 第16-21页 |
| 2.1.1 人工神经网络的概念 | 第16-17页 |
| 2.1.2 BP神经网络的基本原理 | 第17-19页 |
| 2.1.3 BP算法的若干改进 | 第19-21页 |
| 2.2 自适应混沌粒子群优化算法 | 第21-24页 |
| 2.2.1 群智能概述 | 第21页 |
| 2.2.2 粒子群优化算法 | 第21-23页 |
| 2.2.3 自适应混沌粒子群优化算法的原理 | 第23-24页 |
| 2.3 自适应混沌粒子群-BP神经网络混合算法 | 第24-27页 |
| 第3章 基于自适应混沌粒子群-BP神经网络的在线短路电流预测模型 | 第27-47页 |
| 3.1 短路电流的影响因素分析 | 第27-32页 |
| 3.1.1 负荷对短路电流的影响 | 第28-29页 |
| 3.1.2 发电机组对短路电流的影响 | 第29-31页 |
| 3.1.3 自然因素对短路电流的影响 | 第31-32页 |
| 3.2 BP神经网络结构的确定 | 第32-36页 |
| 3.2.1 输入输出层节点数的确定 | 第32-34页 |
| 3.2.2 隐含层节点数的确定 | 第34页 |
| 3.2.3 传输函数的确定 | 第34-36页 |
| 3.3 自适应混沌粒子群-BP神经网络短路电流预测模型的建立 | 第36-47页 |
| 3.3.1 短路电流预测模型输入样本的建立 | 第36-39页 |
| 3.3.2 短路电流实际值的计算 | 第39-45页 |
| 3.3.3 自适应混沌粒子群-BP神经网络在线短路电流预测模型 | 第45-47页 |
| 第4章 实例分析 | 第47-53页 |
| 4.1 基于改进BP神经网络的在线短路电流预测结果 | 第47-52页 |
| 4.2 结果分析 | 第52-53页 |
| 总结与展望 | 第53-55页 |
| 参考文献 | 第55-58页 |
| 致谢 | 第58-59页 |
| 附录A 攻读学位期间所发表的学术论文目录 | 第59-60页 |
| 附录B 攻读学位期间参与科研工作情况 | 第60页 |
