摘要 | 第5-6页 |
Abstract | 第6页 |
第1章 绪论 | 第10-15页 |
1.1 引言 | 第10页 |
1.2 课题的背景和意义 | 第10-11页 |
1.3 国内外研究现状 | 第11-14页 |
1.3.1 故障录波分析 | 第11-12页 |
1.3.2 高压线路故障原因辨识 | 第12-13页 |
1.3.3 故障信息系统 | 第13-14页 |
1.4 论文的主要工作 | 第14-15页 |
第2章 基于故障录波数据的线路故障特征量的提取 | 第15-30页 |
2.1 通信线路两端不同步问题及解决方案 | 第15-19页 |
2.1.1 同步问题研究背景 | 第15-16页 |
2.1.2 在电力系统中时间同步的应用 | 第16页 |
2.1.3 基于故障线路两端电压相位差的时间同步方法 | 第16-17页 |
2.1.4 仿真分析 | 第17-19页 |
2.2 电力系统故障录波电压与电流的特征选取与提取 | 第19-29页 |
2.2.1 小波基选择的意义 | 第19-20页 |
2.2.2 两类小波基简介 | 第20-21页 |
2.2.3 小波基综合性能的评价指标 | 第21-22页 |
2.2.4 分解层数的选择 | 第22页 |
2.2.5 仿真验证与比较 | 第22-25页 |
2.2.6 录波数据特征量的三个指标 | 第25-27页 |
2.2.7 样本的选择与特征量的提取 | 第27-29页 |
2.3 本章小结 | 第29-30页 |
第3章 基于支持向量机的故障原因辨识 | 第30-52页 |
3.1 高压电力线路的故障原因概述 | 第30-34页 |
3.1.1 山火 | 第30-31页 |
3.1.2 凝冰 | 第31页 |
3.1.3 雷击 | 第31-32页 |
3.1.4 异物 | 第32-33页 |
3.1.5 对树木放电 | 第33-34页 |
3.1.6 外力破坏 | 第34页 |
3.1.7 小结 | 第34页 |
3.2 支持向量机模型的建立 | 第34-36页 |
3.3 基于支持向量机的电力线路故障类型识别 | 第36-39页 |
3.3.1 支持向量机训练试验 | 第36页 |
3.3.2 支持向量机分类测试试验 | 第36-39页 |
3.4 支持向量机模型选择的意义及方法 | 第39-40页 |
3.4.1 模型选择的意义 | 第39页 |
3.4.2 模型选择方法简介 | 第39-40页 |
3.5 核函数的选择 | 第40-44页 |
3.5.1 近似系数指标 | 第40-41页 |
3.5.2 实验及结果分析 | 第41-44页 |
3.6 核参数的调整及误差惩罚参数C的估计 | 第44-48页 |
3.6.1 核函数参数的选择 | 第44页 |
3.6.2 惩罚因子C的估计 | 第44页 |
3.6.3 遗传算法选择支持向量机参数 | 第44-46页 |
3.6.4 电力线路故障原因辨识模型参数的确定 | 第46-48页 |
3.7 仿真结果与分析 | 第48-50页 |
3.7.1 仿真结果 | 第48-50页 |
3.7.2 分析 | 第50页 |
3.8 本章小结 | 第50-52页 |
第4章 继电保护运行综合智能支撑平台 | 第52-64页 |
4.1 系统方案概述 | 第52-54页 |
4.1.1 CSGC3000平台介绍 | 第52-53页 |
4.1.2 系统总体结构 | 第53-54页 |
4.2 故障智能分析 | 第54-57页 |
4.2.1 录波分析 | 第55-56页 |
4.2.2 故障场景数据收集 | 第56页 |
4.2.3 扩展故障分析 | 第56-57页 |
4.3 保护动作行为分析 | 第57-61页 |
4.3.1 动作行为分析的自动启动条件及分析对象 | 第57-58页 |
4.3.2 录波文件选取 | 第58页 |
4.3.3 基于故障数据的继电保护动作行为分析方法 | 第58-61页 |
4.4 高压线路故障原因分析结果 | 第61-62页 |
4.4.1 分析结果 | 第61页 |
4.4.2 展示界面的设计 | 第61-62页 |
4.5 本章小结 | 第62-64页 |
第5章 总结与展望 | 第64-66页 |
5.1 总结 | 第64-65页 |
5.2 展望 | 第65-66页 |
参考文献 | 第66-70页 |
致谢 | 第70页 |