| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-19页 |
| ·谐波问题及现状 | 第10-12页 |
| ·谐波的概念及来源 | 第10-11页 |
| ·谐波的危害 | 第11页 |
| ·谐波治理的意义 | 第11-12页 |
| ·谐波治理的措施 | 第12-14页 |
| ·谐波源的改造 | 第12-13页 |
| ·谐波滤波与补偿 | 第13-14页 |
| ·国内外有源电力滤波器的发展现状及趋势 | 第14-18页 |
| ·APF的拓扑结构研究 | 第14-17页 |
| ·检测和控制理论的研究 | 第17-18页 |
| ·本文主要研究内容 | 第18-19页 |
| 第二章 有源电力滤波器常用检测与控制方法 | 第19-31页 |
| ·有源电力滤波器的基本结构及工作原理 | 第19-21页 |
| ·有源电力滤波器谐波检测常用方法 | 第21-27页 |
| ·三相电路瞬时无功功率理论 | 第21-23页 |
| ·p-q检测法 | 第23-25页 |
| ·i_p-i_q检测法 | 第25-26页 |
| ·d-q检测法 | 第26-27页 |
| ·有源电力滤波器电流控制常用方法 | 第27-30页 |
| ·周期采样控制法 | 第27-28页 |
| ·滞环比较控制法 | 第28-29页 |
| ·三角载波控制法 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 第三章 预测理论及其在APF谐波测控中的应用 | 第31-40页 |
| ·延时对APF补偿性能的影响分析 | 第31-35页 |
| ·解决APF延时的措施——预测方法的选择 | 第35-39页 |
| ·预测方法研究概述 | 第36页 |
| ·自适应滤波器预测算法 | 第36-37页 |
| ·模型预测控制算法 | 第37-38页 |
| ·神经网络预测控制算法 | 第38-39页 |
| ·本章小结 | 第39-40页 |
| 第四章 基于自适应滤波器的有源电力滤波器谐波电流预测方法 | 第40-54页 |
| ·自适应预测滤波器工作原理 | 第40-44页 |
| ·自适应预测滤波器模型的选择 | 第40-41页 |
| ·自适应滤波器的结构 | 第41-42页 |
| ·基于LMS准则的自适应算法 | 第42-44页 |
| ·基于自适应FIR预测滤波器的APF谐波电流预测方法 | 第44-54页 |
| ·整体思想 | 第44-46页 |
| ·插值算法 | 第46-47页 |
| ·自适应预测滤波器维数的确定 | 第47-48页 |
| ·自适应预测滤波器系数的初始化 | 第48页 |
| ·滤波器系数自适应算法收敛因子μ的初始化 | 第48-49页 |
| ·误差反馈校正 | 第49页 |
| ·仿真分析 | 第49-54页 |
| 第五章 基于RBF神经网络的有源电力滤波器预测控制 | 第54-67页 |
| ·神经网络理论 | 第54-59页 |
| ·几种典型的神经网络结构 | 第54-56页 |
| ·神经网络辨识理论 | 第56-58页 |
| ·神经网络辨识的基本思路 | 第58-59页 |
| ·基于RBF神经网络的有源电力滤波器的预测控制 | 第59-67页 |
| ·所提出方法的整体思想 | 第59-60页 |
| ·神经网络预测模型的构建 | 第60页 |
| ·自适应训练算法 | 第60-61页 |
| ·反馈校正 | 第61-62页 |
| ·目标函数与优化 | 第62页 |
| ·仿真分析 | 第62-66页 |
| ·结论 | 第66-67页 |
| 总结与展望 | 第67-69页 |
| 1 全文总结 | 第67页 |
| 2 展望 | 第67-69页 |
| 参考文献 | 第69-74页 |
| 致谢 | 第74-75页 |
| 附录 (攻读硕士学位期间发表论文目录) | 第75页 |
