基于多信息融合的广域后备保护系统研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-13页 |
| 第一章 绪论 | 第13-25页 |
| ·课题研究背景 | 第14-15页 |
| ·广域继电保护的研究现状与课题研究意义 | 第15-21页 |
| ·广域继电保护的研究现状 | 第15-21页 |
| ·广域后备保护的研究意义 | 第21页 |
| ·多信息融合技术的应用 | 第21-24页 |
| ·多信息融合理论 | 第22-24页 |
| ·多信息融合的主要技术和方法 | 第24页 |
| ·本文主要工作 | 第24-25页 |
| 第二章 广域后备保护系统 | 第25-33页 |
| ·广域保护系统 | 第25-27页 |
| ·满足“三道防线”要求的广域保护系统 | 第25-26页 |
| ·有限区域内的广域保护系统 | 第26-27页 |
| ·广域保护系统结构概述 | 第27-32页 |
| ·常见系统结构简介 | 第27-30页 |
| ·各类系统结构比较 | 第30-32页 |
| ·本章小结 | 第32-33页 |
| 第三章 粗糙集理论在故障识别中的应用 | 第33-45页 |
| ·引言 | 第33页 |
| ·粗糙集理论 | 第33-38页 |
| ·粗糙集的基本概念 | 第33-35页 |
| ·知识约简 | 第35页 |
| ·决策表 | 第35-38页 |
| ·粗糙集理论在电力系统中的应用 | 第38-39页 |
| ·基于粗糙集理论的故障识别约简算例 | 第39-43页 |
| ·本章小结 | 第43-45页 |
| 第四章 基于概率神经网络的故障识别应用 | 第45-59页 |
| ·引言 | 第45页 |
| ·径向基函数神经网络 | 第45-47页 |
| ·概率神经网络 | 第47-50页 |
| ·模式分类的贝叶斯决策理论 | 第47-48页 |
| ·概率神经网络的结构 | 第48-49页 |
| ·概率神经网络的特点 | 第49-50页 |
| ·基于概率神经网络的广域后备保护故障识别算法 | 第50-52页 |
| ·概率神经网络输入、输出样本的确定 | 第50-51页 |
| ·故障识别的实现 | 第51-52页 |
| ·算例分析 | 第52-57页 |
| ·模型输入、输出样本的确定 | 第52-53页 |
| ·建立概率神经网络故障识别模型 | 第53-54页 |
| ·基于概率神经网络的广域后备保护故障识别 | 第54-57页 |
| ·本章小结 | 第57-59页 |
| 第五章 基于多信息融合的广域后备保护 | 第59-74页 |
| ·粗糙集-概率神经网络组合模型应用于广域后备保护 | 第59-60页 |
| ·算例分析 | 第60-71页 |
| ·输入样本数据选择 | 第60-61页 |
| ·基于粗糙集理论的知识提取和属性约简 | 第61-64页 |
| ·粗糙集-概率神经网络组合模型实现故障识别 | 第64-69页 |
| ·对比其他神经网络 | 第69-71页 |
| ·基于多信息融合的广域后备保护 | 第71-73页 |
| ·本章小结 | 第73-74页 |
| 结论与展望 | 第74-76页 |
| 参考文献 | 第76-80页 |
| 攻读硕士期间所发表的论文 | 第80-82页 |
| 致谢 | 第82-83页 |
| 附录 | 第83-87页 |
