基于BP神经网络的交流微电网阻抗参数测量
| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 1 绪论 | 第8-16页 |
| 1.1 微电网的研究背景及意义 | 第8-10页 |
| 1.1.1 传统大电网的特点 | 第8页 |
| 1.1.2 微电网的概念 | 第8-10页 |
| 1.2 交流微电网的研究现状 | 第10-15页 |
| 1.2.1 微电网稳定性的研究现状 | 第12-13页 |
| 1.2.2 阻抗参数测量的研究现状 | 第13-15页 |
| 1.3 本文主要研究内容 | 第15-16页 |
| 2 测量阻抗参数所用谐波电流的获取 | 第16-26页 |
| 2.1 阻抗参数测量的基本原理 | 第16-17页 |
| 2.2 用于阻抗参数测量的谐波电流特征 | 第17-18页 |
| 2.3 方波信号的正弦幅度调制 | 第18-23页 |
| 2.3.1 方波信号的特点 | 第18-19页 |
| 2.3.2 正弦幅度调制 | 第19-22页 |
| 2.3.3 叠加两次方波调制信号 | 第22-23页 |
| 2.4 谐波电流注入方式的分析和选择 | 第23-24页 |
| 2.5 本章小结 | 第24-26页 |
| 3 交流微电网阻抗参数的测量和理论计算 | 第26-40页 |
| 3.1 通过注入谐波电流得到阻抗参数 | 第26-28页 |
| 3.1.1 注入谐波电流的数学表达 | 第27页 |
| 3.1.2 阻抗参数的测量步骤 | 第27-28页 |
| 3.2 微电网各部分阻抗参数的理论计算值 | 第28-36页 |
| 3.2.1 电压源型逆变器 | 第29-32页 |
| 3.2.2 三角形连接的负载 | 第32-34页 |
| 3.2.3 星型连接的负载 | 第34-36页 |
| 3.3 测量结果仿真与分析 | 第36-39页 |
| 3.4 本章小结 | 第39-40页 |
| 4 利用BP神经网络对测量方法进行优化 | 第40-51页 |
| 4.1 人工神经网络 | 第40-43页 |
| 4.1.1 人工神经网络的基本原理 | 第40-42页 |
| 4.1.2 人工神经网络的特点 | 第42-43页 |
| 4.1.3 神经网络的分类 | 第43页 |
| 4.2 利用阻抗参数建立BP神经网络模型 | 第43-46页 |
| 4.2.1 BP算法的学习过程和优点 | 第44页 |
| 4.2.2 BP神经网络模型的构建 | 第44-46页 |
| 4.3 用阻抗参数训练BP神经网络 | 第46-47页 |
| 4.4 实验验证 | 第47-50页 |
| 4.5 本章小结 | 第50-51页 |
| 5 结论与展望 | 第51-53页 |
| 5.1 结论 | 第51页 |
| 5.2 展望 | 第51-53页 |
| 致谢 | 第53-54页 |
| 参考文献 | 第54-57页 |
