| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-18页 |
| 1.1 研究背景 | 第9页 |
| 1.2 电能质量的定义和分类 | 第9-12页 |
| 1.2.1 电能质量的定义 | 第9-10页 |
| 1.2.2 电能质量的基本分类 | 第10-12页 |
| 1.3 电能质量标准 | 第12-13页 |
| 1.3.1 电能质量国家标准 | 第12页 |
| 1.3.2 电能质量国际标准 | 第12-13页 |
| 1.4 电能质量扰动分析方法 | 第13-15页 |
| 1.4.1 时域分析法 | 第13页 |
| 1.4.2 频域分析法 | 第13-14页 |
| 1.4.3 基于变换的方法 | 第14-15页 |
| 1.5 电能质量扰动分类方法 | 第15-17页 |
| 1.5.1 神经网络 | 第15页 |
| 1.5.2 支持向量机 | 第15-16页 |
| 1.5.3 决策树 | 第16-17页 |
| 1.6 本文主要研究内容 | 第17-18页 |
| 第2章 小波变换原理 | 第18-23页 |
| 2.1 连续小波变换 | 第18-20页 |
| 2.1.1 连续小波变换的定义 | 第18-19页 |
| 2.1.2 连续小波变换的性质 | 第19-20页 |
| 2.2 离散小波变换 | 第20页 |
| 2.3. 进小波变换 | 第20-21页 |
| 2.4 多分辨率分析 | 第21-22页 |
| 2.5 本章小结 | 第22-23页 |
| 第3章 BP神经网络的原理及改进 | 第23-32页 |
| 3.1 人工神经网络原理 | 第23-26页 |
| 3.1.1 神经网络模型 | 第23页 |
| 3.1.2 神经网络的互联模式 | 第23-24页 |
| 3.1.3 人工神经网络的特点 | 第24-25页 |
| 3.1.4 人工神经网络的功能 | 第25-26页 |
| 3.2 BP神经网络 | 第26-31页 |
| 3.2.1 BP网络结构 | 第26页 |
| 3.2.2 BP网络学习规则 | 第26-29页 |
| 3.2.3 BP网络设计 | 第29页 |
| 3.2.4 BP网络训练与测试 | 第29-30页 |
| 3.2.5 BP网络的改进 | 第30-31页 |
| 3.3 本章小结 | 第31-32页 |
| 第4章 基于PSO算法优化BP网络 | 第32-37页 |
| 4.1 算法描述 | 第32-35页 |
| 4.1.1 PSO算法基本原理 | 第32-34页 |
| 4.1.2 基本粒子群算法的计算过程 | 第34页 |
| 4.1.3 基本粒子群算法的参数设置 | 第34-35页 |
| 4.2 粒子群算法的局限性与改进 | 第35-36页 |
| 4.3 粒子群算法优化BP神经网络 | 第36页 |
| 4.4 本章小结 | 第36-37页 |
| 第5章 基于小波变换和PSO-BP网络的电能质量扰动分类 | 第37-56页 |
| 5.1 电能质量扰动信号模型 | 第37-42页 |
| 5.2 基于小波变换的电能质量扰动特征提取 | 第42-48页 |
| 5.2.1 分解层数的确定 | 第42页 |
| 5.2.2 小波基函数的确定 | 第42-43页 |
| 5.2.3 实验仿真 | 第43-48页 |
| 5.3 电能质量扰动的分类识别 | 第48-55页 |
| 5.3.1 采用传统小波变换的电能质量扰动分类 | 第50-51页 |
| 5.3.2 电能质量扰动信号特征向量的优化 | 第51-54页 |
| 5.3.3 基于PSO-BP网络的电能质量扰动分类 | 第54-55页 |
| 5.4 本章小结 | 第55-56页 |
| 第6章 总结与展望 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 致谢 | 第61页 |