基于LabVIEW的电能质量分析系统的研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题来源及研究意义 | 第10-11页 |
| 1.2 课题的研究现状和发展趋势 | 第11-14页 |
| 1.2.1 电能质量分析的国内研究现状 | 第11-13页 |
| 1.2.2 电能质量分析的国外研究现状 | 第13页 |
| 1.2.3 电能质量分析的发展趋势 | 第13-14页 |
| 1.3 论文主要研究内容 | 第14-16页 |
| 第2章 电能质量分析系统的结构设计 | 第16-19页 |
| 2.1 系统的总体结构设计 | 第16页 |
| 2.2 数据采集部分设计 | 第16-18页 |
| 2.3 数据传输 | 第18页 |
| 2.4 本章小结 | 第18-19页 |
| 第3章 电能质量分析系统的软件方案 | 第19-28页 |
| 3.1 LabVIEW软件平台 | 第19-20页 |
| 3.2 数据的并行处理 | 第20-21页 |
| 3.3 电能质量基本参量测量原理 | 第21-22页 |
| 3.4 电能质量稳态参量分析原理 | 第22-27页 |
| 3.5 本章小结 | 第27-28页 |
| 第4章 电能质量分析系统的稳态和暂态参量分析 | 第28-43页 |
| 4.1 谐波的快速傅里叶变换 | 第28-30页 |
| 4.2 小波变换 | 第30-33页 |
| 4.2.1 多分辨率分析 | 第30-32页 |
| 4.2.2 Mallat算法 | 第32-33页 |
| 4.3 小波自相关法消噪的研究 | 第33-36页 |
| 4.3.1 信号相关性分析原理 | 第33-34页 |
| 4.3.2 电能质量信号的小波分解系数相关性 | 第34页 |
| 4.3.3 相关法消噪 | 第34-36页 |
| 4.4 扰动信号的小波分解定位及特征值的提取 | 第36-39页 |
| 4.4.1 模极大值原理 | 第36-37页 |
| 4.4.2 特征值提取 | 第37-39页 |
| 4.5 神经网络算法的扰动分类识别 | 第39-41页 |
| 4.7 本章小结 | 第41-43页 |
| 第5章 电能质量分析系统仿真测试 | 第43-56页 |
| 5.1 基本参量分析结果测试 | 第43-44页 |
| 5.2 谐波测试结果分析 | 第44-45页 |
| 5.3 信号消噪结果分析 | 第45-48页 |
| 5.4 扰动的小波定位分析 | 第48-53页 |
| 5.5 神经网络扰动识别分类 | 第53-55页 |
| 5.6 本章小结 | 第55-56页 |
| 结论 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 附录 1 | 第61-62页 |
| 附录 2 | 第62-63页 |
| 附录 3 | 第63-70页 |
| 攻读硕士学位期间发表的学术论文 | 第70-71页 |
| 致谢 | 第71页 |
