| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-20页 |
| 1.1 研究的背景及意义 | 第10-11页 |
| 1.2 国内外发展及研究现状 | 第11-18页 |
| 1.2.1 配电网故障诊断技术的研究现状 | 第11-15页 |
| 1.2.2 配电网故障信息源的研究现状 | 第15-18页 |
| 1.3 电力系统故障诊断存在的问题 | 第18页 |
| 1.4 本文工作 | 第18-20页 |
| 第2章 配电网故障诊断多层次划分及故障信息融合 | 第20-28页 |
| 2.1 几种配电网故障诊断的多层次划分 | 第20-24页 |
| 2.1.1 层次划分方法一 | 第20-21页 |
| 2.1.2 层次划分方法二 | 第21-23页 |
| 2.1.3 层次划分方法三 | 第23-24页 |
| 2.2 故障信息融合技术 | 第24-27页 |
| 2.2.1 多源故障信息融合 | 第25-27页 |
| 2.2.2 D-S证据理论信息融合技术 | 第27页 |
| 2.3 本章小结 | 第27-28页 |
| 第3章 基于多源信息的配电网动态层次化故障诊断 | 第28-46页 |
| 3.1 基于多源信息的层次化故障诊断方法 | 第28-30页 |
| 3.2 开关层诊断 | 第30-33页 |
| 3.3 馈线层诊断 | 第33-35页 |
| 3.4 变电站层诊断 | 第35-39页 |
| 3.4.1 直觉不确定粗糙集理论 | 第35-37页 |
| 3.4.2 基于紧计算域的直觉不确定粗糙集约简算法 | 第37-38页 |
| 3.4.3 基于直觉不确定粗糙集理论的变电站层诊断 | 第38-39页 |
| 3.5 算例分析 | 第39-44页 |
| 3.6 本章小结 | 第44-46页 |
| 第4章 基于模糊Petri网分层多数据源信息融合的配电网故障诊断 | 第46-64页 |
| 4.1 分层多数据源信息融合的故障诊断方法 | 第46-47页 |
| 4.2 开关量故障诊断层 | 第47-49页 |
| 4.3 多数据源的信息融合诊断层 | 第49-61页 |
| 4.3.1 故障诊断的框架 | 第49-53页 |
| 4.3.2 基于方向性加权模糊Petri网模型的建立 | 第53-59页 |
| 4.3.3 改进的D-S证据理论信息融合 | 第59-61页 |
| 4.4 算例分析 | 第61-63页 |
| 4.5 本章小结 | 第63-64页 |
| 第5章 基于免疫神经网络的配电网故障类型识别 | 第64-76页 |
| 5.1 配电网故障特征分析及预处理 | 第64-66页 |
| 5.2 配电网故障类型识别 | 第66-71页 |
| 5.2.1 人工免疫神经网络算法 | 第66-67页 |
| 5.2.2 神经网络权值的免疫优化算法实现 | 第67-71页 |
| 5.3 仿真分析 | 第71-74页 |
| 5.4 本章小结 | 第74-76页 |
| 第6章 工作总结与展望 | 第76-78页 |
| 6.1 工作总结 | 第76-77页 |
| 6.2 后续工作及展望 | 第77-78页 |
| 参考文献 | 第78-84页 |
| 致谢 | 第84-86页 |
| 攻读硕士期间所做工作 | 第86页 |
