摘要 | 第4-6页 |
Abstract | 第6-7页 |
第1章 绪论 | 第14-34页 |
1.1 课题背景及研究的目的和意义 | 第14-15页 |
1.2 电能质量数据压缩及其相关理论的发展概况 | 第15-18页 |
1.3 电能质量暂态扰动识别及其相关理论的发展概况 | 第18-29页 |
1.3.1 电能质量暂态扰动信号处理与特征提取 | 第18-24页 |
1.3.2 电能质量暂态扰动模式识别 | 第24-29页 |
1.4 电能质量暂态扰动检测定位及其相关理论的发展概况 | 第29-31页 |
1.5 本文主要研究内容 | 第31-34页 |
第2章 基于模式相似性测度的电能质量数据压缩方法研究 | 第34-56页 |
2.1 引言 | 第34-35页 |
2.2 电能质量数据建模与仿真 | 第35-37页 |
2.3 基于模式相似性测度的电能质量信号畸变检测 | 第37-44页 |
2.3.1 模式相似性测度 | 第37-38页 |
2.3.2 距离测度的畸变检测能力比较 | 第38-40页 |
2.3.3 归一化距离畸变检测能力分析 | 第40-43页 |
2.3.4 频率波动对畸变检测的影响 | 第43-44页 |
2.4 基于归一化距离的电能质量信号压缩 | 第44-45页 |
2.5 电力系统实测数据压缩实验 | 第45-54页 |
2.5.1 IEEE 实测电能质量数据压缩实验 | 第45-48页 |
2.5.2 国内 500kV 输电网实测电能质量数据实验 | 第48-54页 |
2.6 本章小结 | 第54-56页 |
第3章 基于 S 变换的电能质量暂态扰动识别研究 | 第56-84页 |
3.1 引言 | 第56-57页 |
3.2 S 变换 | 第57-58页 |
3.3 基于多层前馈神经网络的电能质量暂态扰动识别 | 第58-62页 |
3.3.1 基于 S 变换的特征提取 | 第58-60页 |
3.3.2 改进的多层前馈网络模型 | 第60-61页 |
3.3.3 仿真与实验验证 | 第61-62页 |
3.4 基于 S 变换与统计方法的电能质量暂态扰动特征选择 | 第62-72页 |
3.4.1 标准电能质量信号分析 | 第63页 |
3.4.2 暂态扰动信号分析 | 第63-68页 |
3.4.3 暂态扰动信号特征提取 | 第68-69页 |
3.4.4 暂态扰动信号特征选择 | 第69-72页 |
3.5 基于概率神经网络的电能质量暂态扰动识别 | 第72-79页 |
3.5.1 概率神经网络 | 第73-75页 |
3.5.2 基于概率神经网络的电能质量暂态识别 | 第75-77页 |
3.5.3 实验与分析 | 第77-79页 |
3.6 基于支持向量机的电能质量暂态扰动识别 | 第79-83页 |
3.6.1 支持向量机 | 第79-80页 |
3.6.2 基于支持向量机的暂态分类器设计 | 第80-81页 |
3.6.3 实验与分析 | 第81-83页 |
3.7 本章小结 | 第83-84页 |
第4章 基于 HS 变换与规则决策树的电能质量暂态扰动识别研究 | 第84-100页 |
4.1 引言 | 第84页 |
4.2 HS 变换 | 第84-85页 |
4.3 采用 HS 变换的电能质量暂态信号处理 | 第85-89页 |
4.4 特征提取与规则生成 | 第89-96页 |
4.5 基于 HS 变换与规则决策树的电能质量暂态扰动识别 | 第96-97页 |
4.6 仿真分析 | 第97-98页 |
4.7 本章小结 | 第98-100页 |
第5章 基于 HS 变换的电能质量暂态扰动检测定位 | 第100-118页 |
5.1 引言 | 第100-101页 |
5.2 采用 HS 变换的扰动检测方法 | 第101-105页 |
5.3 检测定位效果分析 | 第105-116页 |
5.3.1 仿真信号建模 | 第105页 |
5.3.2 仿真扰动信号分析与自动检测方法设计 | 第105-110页 |
5.3.3 不同幅值畸变度扰动定位精度比较 | 第110-112页 |
5.3.4 不同噪声环境下定位精度比较 | 第112-115页 |
5.3.5 其余参数对定位的影响 | 第115-116页 |
5.3.6 HS 变换与 S 变换检测对比 | 第116页 |
5.4 本章小结 | 第116-118页 |
结论 | 第118-121页 |
参考文献 | 第121-130页 |
攻读博士学位期间发表的论文及其它成果 | 第130-133页 |
致谢 | 第133-134页 |
个人简历 | 第134页 |