| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 课题研究背景及意义 | 第11-13页 |
| 1.2 国内外研究现状 | 第13-16页 |
| 1.3 本文主要研究内容 | 第16-19页 |
| 第二章 特高压直流输电系统直流线路故障及换相失败分析 | 第19-35页 |
| 2.1 引言 | 第19页 |
| 2.2 特高压直流输电系统仿真模型 | 第19-20页 |
| 2.3 直流线路故障 | 第20-22页 |
| 2.4 换相失败分析 | 第22-28页 |
| 2.4.1 换相失败的发生机理 | 第22-25页 |
| 2.4.2 换相失败的影响因素及判别方法 | 第25-27页 |
| 2.4.3 换相失败的危害及预防措施 | 第27-28页 |
| 2.5 交流系统故障对换相失败的影响 | 第28-31页 |
| 2.5.1 交流系统发生不对称故障对换相失败的影响 | 第28-30页 |
| 2.5.2 交流系统发生对称故障对换相失败的影响 | 第30-31页 |
| 2.6 直流电流信号频谱特性分析 | 第31-32页 |
| 2.7 本章小结 | 第32-35页 |
| 第三章 基于EMD-Elman神经网络的换相失败识别方法 | 第35-47页 |
| 3.1 引言 | 第35页 |
| 3.2 EMD分解及特征向量的提取 | 第35-39页 |
| 3.2.1 EMD分解 | 第35-36页 |
| 3.2.2 特征向量的提取 | 第36-39页 |
| 3.3 Elman神经网络 | 第39-40页 |
| 3.4 基于EMD和Elman神经网络的换相失败故障识别 | 第40-45页 |
| 3.4.1 EMD和Elman神经网络故障识别算法流程 | 第41页 |
| 3.4.2 故障识别 | 第41-45页 |
| 3.5 本章小结 | 第45-47页 |
| 第四章 基于EEMD-Elman神经网络的换相失败识别方法 | 第47-57页 |
| 4.1 引言 | 第47页 |
| 4.2 电流信号的EEMD分解 | 第47-48页 |
| 4.3 AR模型和近似熵 | 第48-50页 |
| 4.3.1 AR模型 | 第48-49页 |
| 4.3.2 近似熵 | 第49-50页 |
| 4.4 基于EEMD的换相失败故障识别 | 第50-56页 |
| 4.4.1 基于EEMD和Elman神经网络故障识别方法流程 | 第50-51页 |
| 4.4.2 EEMD分解 | 第51-52页 |
| 4.4.3 特征向量提取 | 第52-54页 |
| 4.4.4 仿真实验结果 | 第54-56页 |
| 4.5 本章小结 | 第56-57页 |
| 第五章 基于ESMD与PSO LSSVM的换相失败识别方法 | 第57-79页 |
| 5.1 引言 | 第57页 |
| 5.2 ESMD方法 | 第57-65页 |
| 5.3 最小二乘法支持向量机 | 第65-68页 |
| 5.3.1 支持向量机原理 | 第65-67页 |
| 5.3.2 最小二乘法支持向量机 | 第67-68页 |
| 5.4 粒子群优化算法 | 第68-69页 |
| 5.5 基于PSO—LSSVM的换相失败故障识别 | 第69-76页 |
| 5.5.1 特征值提取 | 第69-71页 |
| 5.5.2 基于PSO-LSSVM的换相失败故障识别 | 第71-76页 |
| 5.6 本章小结 | 第76-79页 |
| 第六章 结论与展望 | 第79-81页 |
| 6.1 结论 | 第79-80页 |
| 6.2 展望 | 第80-81页 |
| 致谢 | 第81-83页 |
| 参考文献 | 第83-89页 |
| 附录 (攻读学位期间发表论文和参与项目) | 第89页 |
