| 致谢 | 第1-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6-9页 |
| 1 绪论 | 第9-15页 |
| ·引言 | 第9-10页 |
| ·故障测距研究现状及分析 | 第10-13页 |
| ·阻抗测距法 | 第10页 |
| ·行波测距法 | 第10-11页 |
| ·信号注入法 | 第11-12页 |
| ·其它测距方法 | 第12-13页 |
| ·本文主要研究内容和创新点 | 第13-15页 |
| ·本文主要研究内容 | 第13-14页 |
| ·本文创新点 | 第14-15页 |
| 2 井下配电网仿真建模及故障特征量的选择 | 第15-23页 |
| ·井下配电网仿真建模 | 第15-18页 |
| ·仿真建模软件和数值分析工具的选择 | 第15-16页 |
| ·建立仿真模型 | 第16-18页 |
| ·故障特征量的选择 | 第18-22页 |
| ·小结 | 第22-23页 |
| 3 “松散型”BP 与 RBF 小波神经网络用于故障测距的研究 | 第23-41页 |
| ·小波包分析理论及其在电力系统中的应用 | 第23-27页 |
| ·小波分析简介 | 第23-25页 |
| ·小波包理论及其在电力系统中的应用 | 第25-27页 |
| ·神经网络理论及其在电力系统中的应用 | 第27-32页 |
| ·BP 网络的结构和算法 | 第28-30页 |
| ·RBF 网络的结构和算法 | 第30-32页 |
| ·基于 BP 小波神经网络的故障测距 | 第32-38页 |
| ·小波基的选择 | 第32-34页 |
| ·分解尺度的选择 | 第34页 |
| ·BP 网络结构参数的选择 | 第34-35页 |
| ·样本形成与测距结果 | 第35-38页 |
| ·基于 RBF 小波神经网络的故障测距 | 第38-40页 |
| ·小结 | 第40-41页 |
| 4 “紧致型”小波神经网络用于故障测距的研究 | 第41-51页 |
| ·“紧致型”小波神经网络的结构和参数调整算法 | 第41-43页 |
| ·故障测距小波神经网络模型及初始参数的确定 | 第43-46页 |
| ·学习样本集的建构 | 第46-47页 |
| ·BP 算法 WNN 与改进 BP 算法 WNN 测距性能对比分析 | 第47-50页 |
| ·小结 | 第50-51页 |
| 5 GA 优化小波神经网络用于故障测距的研究 | 第51-61页 |
| ·GA 理论及其在电力系统中的应用 | 第51-54页 |
| ·GA 优化小波神经网络的学习算法 | 第54-56页 |
| ·基于 GAWNN 的故障测距 | 第56-59页 |
| ·小结 | 第59-61页 |
| 6 PSO 算法及 GA 优化 RBF 神经网络用于故障测距的研究 | 第61-73页 |
| ·PSO 算法理论及其在电力系统中的应用 | 第61-64页 |
| ·改进 PSO 算法 | 第64-65页 |
| ·改进 PSO 算法优化 RBF 神经网络的学习算法 | 第65-66页 |
| ·GA 优化 RBF 神经网络的学习算法 | 第66-67页 |
| ·PSO 算法与 GA 优化 RBF 神经网络测距性能对比分析 | 第67-72页 |
| ·小结 | 第72-73页 |
| 7 结论 | 第73-75页 |
| 参考文献 | 第75-79页 |
| 作者简历 | 第79-81页 |
| 学位论文数据集 | 第81页 |
