基于支持向量机的电网故障诊断研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-18页 |
| 1.1 课题研究背景及意义 | 第9-10页 |
| 1.2 研究发展现状 | 第10-16页 |
| 1.2.1 电网故障诊断 | 第10-12页 |
| 1.2.2 机器学习概述 | 第12-16页 |
| 1.3 研究当前存在的主要问题 | 第16页 |
| 1.4 本文主要工作 | 第16-18页 |
| 第2章 统计学习与支持向量机 | 第18-31页 |
| 2.1 引言 | 第18-19页 |
| 2.2 统计学习理论 | 第19-22页 |
| 2.2.1 VC维 | 第19-20页 |
| 2.2.2 结构风险最小化 | 第20-22页 |
| 2.3 支持向量机 | 第22-25页 |
| 2.3.1 最优分类超平面 | 第23-24页 |
| 2.3.2 核函数 | 第24-25页 |
| 2.4 支持向量机的数学推导 | 第25-29页 |
| 2.4.1 线性支持向量机 | 第25-27页 |
| 2.4.2 非线性支持向量机 | 第27-29页 |
| 2.5 本章小结 | 第29-31页 |
| 第3章 基于支持向量机的电网故障诊断 | 第31-37页 |
| 3.1 引言 | 第31页 |
| 3.2 基于支持向量机的故障诊断步骤 | 第31-32页 |
| 3.3 特征值选择 | 第32-33页 |
| 3.4 训练流程 | 第33-34页 |
| 3.5 算例分析 | 第34-36页 |
| 3.6 本章小结 | 第36-37页 |
| 第4章 电网故障诊断系统改进 | 第37-45页 |
| 4.1 模块设计目标 | 第37页 |
| 4.2 改进后系统的总体结构 | 第37-41页 |
| 4.3 模块案例测试 | 第41-44页 |
| 4.3.1 保护拒动 | 第41-43页 |
| 4.3.2 断路器拒动 | 第43页 |
| 4.3.3 保护动作信息缺失 | 第43-44页 |
| 4.4 本章小结 | 第44-45页 |
| 第5章 结论和展望 | 第45-47页 |
| 5.1 结论 | 第45页 |
| 5.2 展望 | 第45-47页 |
| 参考文献 | 第47-52页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第52-53页 |
| 致谢 | 第53页 |
