| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 课题的相关背景和意义 | 第9页 |
| 1.2 国内外输电线路故障类型识别的研究现状 | 第9-11页 |
| 1.2.1 传统输电线路故障识别方法的研究现状 | 第10页 |
| 1.2.2 人工智能在输电线路故障识别中的研究现状 | 第10-11页 |
| 1.3 研究目标及内容 | 第11-12页 |
| 1.3.1 研究对象与研究目标 | 第11页 |
| 1.3.2 主要研究内容 | 第11-12页 |
| 1.4 论文的章节安排 | 第12-15页 |
| 第二章 小波变换及奇异值分解理论 | 第15-23页 |
| 2.1 引言 | 第15页 |
| 2.2 小波变换相关理论 | 第15-20页 |
| 2.2.1 连续小波变换 | 第15-16页 |
| 2.2.2 离散小波变换 | 第16页 |
| 2.2.3 多尺度分析 | 第16-17页 |
| 2.2.4 平稳小波变换 | 第17-18页 |
| 2.2.5 小波函数基的选择 | 第18-20页 |
| 2.3 奇异值分解理论 | 第20页 |
| 2.4 平稳小波奇异值 | 第20-22页 |
| 2.5 本章小结 | 第22-23页 |
| 第三章 输电线路故障类型识别中常用的模式识别方法 | 第23-37页 |
| 3.1 引言 | 第23页 |
| 3.2 K最近邻分类算法 | 第23-24页 |
| 3.3 支持向量机 | 第24-29页 |
| 3.3.1 二分类支持向量机基本原理 | 第24-28页 |
| 3.3.2 多类分类支持向量机组合分类器 | 第28-29页 |
| 3.4 人工神经网络 | 第29-35页 |
| 3.4.1 人工神经网络基本单元 | 第29-31页 |
| 3.4.2 人工神经网络模型 | 第31-35页 |
| 3.5 本章小结 | 第35-37页 |
| 第四章 不平衡数据集的处理方法 | 第37-49页 |
| 4.1 引言 | 第37页 |
| 4.2 不平衡数据集的一般处理方法 | 第37-38页 |
| 4.3 启发式欠采样TOMEKLINKS算法 | 第38页 |
| 4.4 启发式过采样SMOTE算法 | 第38-41页 |
| 4.5 改进启发式SMOTE算法 | 第41-44页 |
| 4.6 不平衡数据分类效果的评价指标 | 第44-47页 |
| 4.7 本章小结 | 第47-49页 |
| 第五章 基于平稳小波奇异值与改进启发式SMOTE算法的输电线路故障识别方法 | 第49-67页 |
| 5.1 引言 | 第49页 |
| 5.2 输电线路仿真模型搭建与不平衡录波数据集构造 | 第49-54页 |
| 5.2.1 输电线路的电磁暂态数学模型 | 第49-52页 |
| 5.2.2 500kV双端输电系统仿真模型 | 第52-53页 |
| 5.2.3 不平衡故障录播数据集构造 | 第53-54页 |
| 5.3 输电线路故障信号特征参数提取 | 第54-57页 |
| 5.4 不平衡故障录波集数据处理 | 第57页 |
| 5.5 特征向量PCA降维 | 第57-61页 |
| 5.6 故障分类验证与分析 | 第61-64页 |
| 5.7 本章小结 | 第64-67页 |
| 结论与展望 | 第67-69页 |
| 参考文献 | 第69-73页 |
| 攻读硕士学位期间发表的论文及科研成果 | 第73-75页 |
| 致谢 | 第75-76页 |
