基于暂态分量的自适应单相自动重合闸研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 1 绪论 | 第10-17页 |
| ·自适应单相自动重合闸的意义 | 第10-11页 |
| ·自适应单相自动重合闸的国内外发展现状 | 第11-15页 |
| ·基于稳态工频分量的自适应单相自动重合闸 | 第11-13页 |
| ·基于暂态分量的自适应单相自动重合闸 | 第13-14页 |
| ·基于人工智能方法的自适应单相自动重合闸 | 第14-15页 |
| ·论文的主要工作 | 第15-17页 |
| 2 电弧特性及仿真分析 | 第17-27页 |
| ·单相瞬时性故障电弧模型的研究 | 第17-20页 |
| ·一次电弧模型 | 第17-18页 |
| ·二次电弧模型 | 第18-20页 |
| ·仿真工具ATP-EMTP | 第20-22页 |
| ·不同性质单相接地故障仿真分析 | 第22-26页 |
| ·永久性单相接地故障仿真 | 第22-24页 |
| ·瞬时性单相接地故障仿真 | 第24-25页 |
| ·仿真波形分析 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 3 复小波理论与仿真研究 | 第27-47页 |
| ·概述 | 第27-28页 |
| ·连续小波变换的基本原理 | 第28-30页 |
| ·连续小波变换及其性质 | 第28-29页 |
| ·单尺度小波变换的反演 | 第29-30页 |
| ·改进递归小波变换的研究 | 第30-35页 |
| ·递归小波变换的回顾 | 第30-31页 |
| ·改进递归小波变换 | 第31-35页 |
| ·改进递归小波变换的快速重构 | 第35页 |
| ·改进递归小波变换的实现及仿真分析 | 第35-46页 |
| ·MATLAB M语言实现改进递归小波变换 | 第35-37页 |
| ·改进递归小波变换仿真研究 | 第37-46页 |
| ·本章小结 | 第46-47页 |
| 4 支持向量机理论 | 第47-60页 |
| ·模式识别 | 第47-49页 |
| ·模式识别的定义 | 第47-48页 |
| ·统计模式识别系统的组成 | 第48-49页 |
| ·分类器的性能因素及面临的问题 | 第49页 |
| ·统计学习理论 | 第49-52页 |
| ·统计学习理论的核心内容 | 第50页 |
| ·统计学习理论的基础 | 第50-51页 |
| ·统计学习理论的基本理论 | 第51-52页 |
| ·分类器设计原则 | 第52页 |
| ·支持向量机 | 第52-56页 |
| ·最优分类面与广义最优分类面 | 第53-54页 |
| ·核函数 | 第54-55页 |
| ·支持向量机的性能与应用 | 第55-56页 |
| ·支持向量机与神经网络的比较 | 第56-58页 |
| ·支持向量机与神经网络对于输入数据处理的差异 | 第56-57页 |
| ·支持向量机与神经网络最优解的差异 | 第57页 |
| ·支持向量机与神经网络功能结构上的差异 | 第57-58页 |
| ·支持向量机的缺点与神经网络的优点 | 第58页 |
| ·本章小结 | 第58-60页 |
| 5 自适应单相自动重合闸的实现及仿真分析 | 第60-75页 |
| ·总体设想 | 第60-61页 |
| ·基于改进递归小波变换的故障信号分析 | 第61-65页 |
| ·故障信号的理论分析与仿真研究 | 第61-65页 |
| ·基于支持向量机的自适应单相自动重合闸 | 第65-74页 |
| ·特征提取与选择 | 第65-72页 |
| ·支持向量机实现故障性质判别 | 第72-73页 |
| ·仿真结果分析 | 第73-74页 |
| ·本章小结 | 第74-75页 |
| 6 结论与展望 | 第75-77页 |
| 致谢 | 第77-78页 |
| 参考文献 | 第78-82页 |
| 攻读硕士研究生期间发表的论文 | 第82页 |
| 攻读硕士研究生期间获得的奖励 | 第82页 |
