摘要 | 第5-6页 |
Abstract | 第6页 |
第1章 绪论 | 第9-20页 |
1.1 研究的背景和意义 | 第9-10页 |
1.2 配电网故障处理的基本思路 | 第10-11页 |
1.3 配电网故障定位技术的国内外研究 | 第11-19页 |
1.3.1 基于单点信息的故障定位技术 | 第11-16页 |
1.3.2 基于多点信息的故障定位技术 | 第16-19页 |
1.4 本文研究内容 | 第19-20页 |
第2章 基于连续小波变换的配网故障定位 | 第20-39页 |
2.1 连续小波变换原理 | 第20-22页 |
2.2 配电网暂态故障电压的特征频率 | 第22-23页 |
2.3 配电线路的行波模量分析 | 第23-24页 |
2.4 算例仿真 | 第24-37页 |
2.4.1 三相短路 | 第25-28页 |
2.4.2 相间短路 | 第28-29页 |
2.4.3 两相接地短路 | 第29-34页 |
2.4.4 单相接地短路 | 第34-37页 |
2.5 小结 | 第37-39页 |
第3章 对采用CWT故障定位方法的深入研究 | 第39-46页 |
3.1 PSCAD的传输线模型 | 第39-41页 |
3.1.1 贝杰龙(Bergeron)模型 | 第39-40页 |
3.1.2 频率相关模型 | 第40-41页 |
3.1.3 模参数的不确定性 | 第41页 |
3.2 小波分析和FFT比较 | 第41-44页 |
3.2.1 傅里叶变换与加窗傅里叶变换 | 第41-42页 |
3.2.2 小波分析 | 第42-43页 |
3.2.3 CWT与FFT分析暂态电压信号比较 | 第43-44页 |
3.3 小结 | 第44-46页 |
第4章 应用神经网络对配电网单相接地故障进行定位 | 第46-69页 |
4.1 主要思路 | 第46-47页 |
4.2 人工神经网络 | 第47-50页 |
4.2.1 神经网络简介 | 第47页 |
4.2.2 反向BP算法 | 第47-49页 |
4.2.3 反向BP神经网络在故障分析中的具体应用 | 第49-50页 |
4.3 神经网络训练集的提取 | 第50-52页 |
4.3.1 输入数据的提取方法 | 第50-51页 |
4.3.2 输出数据的表示方式 | 第51-52页 |
4.4 加窗FFT | 第52-55页 |
4.5 仿真结果 | 第55-59页 |
4.5.1 第一级神经网络仿真结果 | 第55页 |
4.5.2 第二级神经网络仿真结果 | 第55-59页 |
4.6 深入分析影响预测精度的因素 | 第59-67页 |
4.6.1 初始相角 | 第59-61页 |
4.6.2 过渡电阻 | 第61-64页 |
4.6.3 负荷的影响 | 第64-67页 |
4.7 小结 | 第67-69页 |
第5章 总结 | 第69-70页 |
参考文献 | 第70-73页 |
攻读硕士学位期间发表的论文及其它成果 | 第73-74页 |
致谢 | 第74-75页 |
作者简介 | 第75页 |