| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第1章 绪论 | 第8-18页 |
| 1.1 课题的研究背景及意义 | 第8-9页 |
| 1.2 微网的研究背景 | 第9-15页 |
| 1.2.1 微网的特点 | 第9-11页 |
| 1.2.2 微网系统结构及控制方法 | 第11-15页 |
| 1.3 微网多逆变器并联的故障诊断技术的研究现状 | 第15-17页 |
| 1.4 本文的主要研究内容 | 第17-18页 |
| 第2章 微网多逆变器并联的建模及故障分析 | 第18-33页 |
| 2.1 微网多逆变器并联故障模型的搭建 | 第18-22页 |
| 2.2 微网多逆变器并联故障产生的原因 | 第22-23页 |
| 2.3 微网多逆变器并联的故障分析 | 第23-32页 |
| 2.3.1 逆变器的故障特点分析 | 第23-28页 |
| 2.3.2 微网系统并网模式下的故障分析 | 第28-29页 |
| 2.3.3 微网系统离网模式下的故障分析 | 第29-32页 |
| 2.4 本章小结 | 第32-33页 |
| 第3章 微网多逆变器并联的故障诊断 | 第33-39页 |
| 3.1 微网多逆变器并联的故障诊断机制 | 第33-34页 |
| 3.2 故障特征提取 | 第34-35页 |
| 3.3 基于BP神经网络分类器的故障识别定位 | 第35-38页 |
| 3.4 本章小结 | 第38-39页 |
| 第4章 基于小波变换的故障特征提取及应用 | 第39-46页 |
| 4.1 小波变换简介 | 第39-41页 |
| 4.2 小波变换在故障特征提取中的应用 | 第41-42页 |
| 4.3 基于BP神经网络分类器的故障诊断仿真实验及结果分析 | 第42-45页 |
| 4.4 本章小结 | 第45-46页 |
| 第5章 基于稀疏编码的故障特征提取及应用 | 第46-53页 |
| 5.1 稀疏编码算法简介 | 第46页 |
| 5.2 基于ICA的稀疏编码算法 | 第46-48页 |
| 5.3 稀疏编码算法在故障特征提取中的应用 | 第48-49页 |
| 5.4 基于BP神经网络分类器的故障诊断仿真实验及结果分析 | 第49-51页 |
| 5.5 小波变换和稀疏编码应用在故障诊断中的对比分析 | 第51页 |
| 5.6 本章小结 | 第51-53页 |
| 第6章 全文总结与展望 | 第53-55页 |
| 6.1 主要工作总结 | 第53-54页 |
| 6.2 研究展望 | 第54-55页 |
| 致谢 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 附录 | 第59-62页 |
| 攻读学位期间的研究成果 | 第62页 |
