基于小波变换和概率神经网络的变压器励磁涌流识别研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 1 绪论 | 第10-17页 |
| ·选题的背景和意义 | 第10-12页 |
| ·国内外研究现状 | 第12-15页 |
| ·本文所做的主要工作 | 第15-17页 |
| 2 变压器差动保护及励磁涌流分析 | 第17-28页 |
| ·变压器的差动保护 | 第17-20页 |
| ·差动保护的基本原理 | 第17-19页 |
| ·差动保护的不平衡电流 | 第19-20页 |
| ·变压器励磁涌流的形成机理及特点 | 第20-23页 |
| ·单相变压器励磁涌流分析 | 第20-23页 |
| ·三相变压器励磁涌流分析 | 第23页 |
| ·三相变压器励磁涌流和内部故障电流建模仿真 | 第23-27页 |
| ·三相变压器励磁涌流仿真 | 第23-25页 |
| ·三相变压器内部匝间故障仿真 | 第25-26页 |
| ·三相变压器励磁涌流和内部故障电流的主要特点 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 3 小波变换及其在励磁涌流识别中的应用 | 第28-40页 |
| ·小波变换定义及连续小波变换 | 第28-31页 |
| ·离散小波变换 | 第31页 |
| ·多分辨分析及Mallat算法 | 第31-35页 |
| ·多分辨分析 | 第31-33页 |
| ·Mallat算法 | 第33-35页 |
| ·能量特征向量 | 第35-39页 |
| ·帕斯维尔(Parseval)定理 | 第35页 |
| ·小波基函数的选择 | 第35-36页 |
| ·分解尺度的确定 | 第36-37页 |
| ·小波能量谱 | 第37-39页 |
| ·本章小结 | 第39-40页 |
| 4 利用概率神经网络识别变压器励磁涌流 | 第40-52页 |
| ·径向基函数神经网络 | 第40-42页 |
| ·径向基网络模型 | 第40-41页 |
| ·径向基网络的学习 | 第41-42页 |
| ·概率神经网络 | 第42-46页 |
| ·贝叶斯分类规则 | 第43-44页 |
| ·Parzen窗法 | 第44页 |
| ·概率神经网络的结构 | 第44-46页 |
| ·基于概率神经网络的变压器差动保护方案 | 第46-51页 |
| ·数据采集和特征提取 | 第46-47页 |
| ·网络模型的确定 | 第47-48页 |
| ·仿真结果及分析 | 第48-50页 |
| ·BP神经网络仿真结果对比 | 第50-51页 |
| ·本章小结 | 第51-52页 |
| 5 基于改进概率神经网络的变压器励磁涌流识别 | 第52-60页 |
| ·遗传算法简介 | 第52-54页 |
| ·遗传算法的优缺点及改进分析 | 第54-55页 |
| ·基于遗传算法的PNN优化 | 第55-59页 |
| ·本章小结 | 第59-60页 |
| 6 总结与展望 | 第60-62页 |
| ·总结 | 第60-61页 |
| ·进一步研究工作展望 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 致谢 | 第66-67页 |
| 攻读学位期间取得的研究成果 | 第67页 |
