煤矿配电网电压暂降检测方法研究
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| Abstract | 第7页 |
| 1 绪论 | 第10-19页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-18页 |
| 1.2.1 电压暂降的危害 | 第13-15页 |
| 1.2.2 电压暂降的抑制方法 | 第15-18页 |
| 1.3 主要工作 | 第18-19页 |
| 2 常用的电压暂降检测方法 | 第19-26页 |
| 2.1 有效值检测法 | 第19-21页 |
| 2.2 S变换 | 第21页 |
| 2.3 dq0变换法 | 第21-22页 |
| 2.4 小波变换 | 第22-25页 |
| 2.4.1 连续小波变换 | 第22-23页 |
| 2.4.2 离散小波变换 | 第23-24页 |
| 2.4.3 多分辨率分析 | 第24-25页 |
| 2.5 本章小结 | 第25-26页 |
| 3 电压暂降信号的小波熵特征提取 | 第26-45页 |
| 3.1 不同故障源电压暂降特征分析 | 第26-32页 |
| 3.1.1 短路故障引起的电压暂降 | 第26-29页 |
| 3.1.2 变压器投运引起的电压暂降 | 第29-30页 |
| 3.1.3 感应电动机启动引起的电压暂降 | 第30-32页 |
| 3.2 电压暂降信号小波变换去噪处理 | 第32-35页 |
| 3.2.1 最优小波基选取 | 第32-33页 |
| 3.2.2 小波阈值去噪 | 第33-35页 |
| 3.3 Shannon信息熵表征电压暂降信号特征 | 第35-38页 |
| 3.3.1 电压暂降信号小波熵特征 | 第36-37页 |
| 3.3.2 小波系数熵 | 第37页 |
| 3.3.3 小波时间熵 | 第37-38页 |
| 3.4 电压暂降信号的小波熵特征提取流程 | 第38-44页 |
| 3.4.1 电压暂降小波系数熵 | 第39-41页 |
| 3.4.2 电压暂降小波时间熵 | 第41-44页 |
| 3.5 本章小结 | 第44-45页 |
| 4 电压暂降自动检测识别 | 第45-52页 |
| 4.1 SVM故障识别原理 | 第45-48页 |
| 4.1.1 SVM算法 | 第45-46页 |
| 4.1.2 核函数的选择 | 第46页 |
| 4.1.3 最优分类面 | 第46-48页 |
| 4.2 SVM多分类器建立 | 第48-50页 |
| 4.3 BP神经网络在电压暂降检测识别的应用 | 第50-51页 |
| 4.4 本章小结 | 第51-52页 |
| 5 仿真验证 | 第52-56页 |
| 5.1 仿真系统模型 | 第52-54页 |
| 5.2 SVM与BP神经网络辨识结果比较 | 第54页 |
| 5.3 不同噪声环境对识别准确率的影响 | 第54-55页 |
| 5.4 本章小结 | 第55-56页 |
| 结论与展望 | 第56-58页 |
| 参考文献 | 第58-61页 |
| 作者简历 | 第61-62页 |
| 学位论文数据集 | 第62-63页 |
