基于信息融合技术的电网故障诊断研究
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-11页 |
| 第1章 绪论 | 第11-20页 |
| ·课题研究背景及意义 | 第11页 |
| ·电网故障诊断的概念及研究现状 | 第11-17页 |
| ·电网故障诊断的概念 | 第11-12页 |
| ·电网故障诊断的研究现状 | 第12-16页 |
| ·电网故障诊断的难点和目前存在的问题 | 第16-17页 |
| ·信息融合技术的研究现状 | 第17-18页 |
| ·本文的主要工作 | 第18-20页 |
| 第2章 基于信息融合技术故障诊断的理论研究 | 第20-30页 |
| ·概述 | 第20-21页 |
| ·信息融合故障诊断的基础 | 第21-23页 |
| ·信息融合的生物学基础 | 第21页 |
| ·信息融合故障诊断的理论基础 | 第21-23页 |
| ·信息融合的主要算法 | 第23-28页 |
| ·贝叶斯估计 | 第23-24页 |
| ·D-S证据推理 | 第24-25页 |
| ·模糊积分法 | 第25-28页 |
| ·信息融合故障诊断的一般框架 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 第3章 基于潮流指纹的电网故障诊断 | 第30-45页 |
| ·概述 | 第30-31页 |
| ·电网潮流指纹 | 第31-33页 |
| ·电网潮流指纹概念 | 第31-32页 |
| ·电网潮流指纹特征点 | 第32-33页 |
| ·PMU优化配置 | 第33-36页 |
| ·电网可观测性概念 | 第33页 |
| ·基于PMU的优化配置方法 | 第33-35页 |
| ·基于改进整数规划法的PMU优化配置 | 第35-36页 |
| ·故障时的潮流指纹匹配模型 | 第36-40页 |
| ·预想故障的潮流分布 | 第37-38页 |
| ·实时潮流分布特性 | 第38页 |
| ·基于潮流指纹的故障诊断算法 | 第38-40页 |
| ·算例仿真 | 第40-44页 |
| ·本章小结 | 第44-45页 |
| 第4章 基于RBF神经网络的电网故障诊断 | 第45-57页 |
| ·概述 | 第45页 |
| ·RBF神经网络 | 第45-48页 |
| ·RBF神经元模型 | 第46页 |
| ·RBF神经网络拓扑结构 | 第46-47页 |
| ·RBF神经网络的学习算法 | 第47-48页 |
| ·基于RBF神经网络的故障诊断 | 第48-53页 |
| ·基于面向元件的RBF神经网络的故障诊断模型 | 第48-50页 |
| ·基于RBF神经网络的训练样本及训练 | 第50-53页 |
| ·算例仿真 | 第53-56页 |
| ·本章小结 | 第56-57页 |
| 第5章 基于信息融合技术的电网故障诊断 | 第57-68页 |
| ·概述 | 第57页 |
| ·基于信息融合技术的电网故障诊断 | 第57-60页 |
| ·信息融合预处理 | 第57-58页 |
| ·信息融合故障诊断模型 | 第58-60页 |
| ·算例仿真 | 第60-67页 |
| ·本章小结 | 第67-68页 |
| 全文总结与研究展望 | 第68-70页 |
| 全文总结 | 第68页 |
| 研究展望 | 第68-70页 |
| 致谢 | 第70-71页 |
| 参考文献 | 第71-75页 |
| 附录 | 第75-81页 |
| 附录Ⅰ IEEE14节点测试系统 | 第75-77页 |
| 附录Ⅱ IEEE39节点测试系统 | 第77-81页 |
| 攻读硕士学位期间发表论文及参与科研项目 | 第81页 |
