基于粒子群BP神经网络的输电线路故障分类与测距
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第8-20页 |
| 1.1 背景及意义 | 第8-9页 |
| 1.2 输电线路故障类型及测距要求 | 第9-10页 |
| 1.2.1 输电故障类型分析 | 第9页 |
| 1.2.2 故障测距要求 | 第9-10页 |
| 1.3 线路故障分类研究 | 第10页 |
| 1.4 输电线路故障测距发展现状 | 第10-19页 |
| 1.4.1 行波法 | 第11-13页 |
| 1.4.2 单端测距法 | 第13-16页 |
| 1.4.3 双端测距 | 第16-19页 |
| 1.5 本文主要工作 | 第19-20页 |
| 第二章 基于小波包能量特征量提取机理 | 第20-26页 |
| 2.1 小波分析基本原理 | 第20-23页 |
| 2.1.1 连续小波变换 | 第20-21页 |
| 2.1.2 离散小波变换 | 第21-22页 |
| 2.1.3 小波包分析 | 第22-23页 |
| 2.2 小波基函数的选择 | 第23-24页 |
| 2.3 相对小波包能量特征量提取方法 | 第24-25页 |
| 2.3.1 相对小波包能量特征提取原理 | 第24页 |
| 2.3.2 时频域故障特征量选择与提取 | 第24-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第三章 粒子群优化算法的BP神经网络设计 | 第26-36页 |
| 3.1 BP神经网络算法分析研究 | 第26-30页 |
| 3.1.1 BP神经网络基本原理 | 第26-28页 |
| 3.1.2 BP神经网络的评价 | 第28-29页 |
| 3.1.3 BP神经网络算法的改进 | 第29-30页 |
| 3.2 粒子群优化算法的分析研究 | 第30-34页 |
| 3.2.1 粒子群优化算法的概述 | 第31页 |
| 3.2.2 粒子群优化算法的基本原理 | 第31-32页 |
| 3.2.3 粒子群优化算法的数学描述 | 第32-33页 |
| 3.2.4 粒子群优化算法的改进 | 第33-34页 |
| 3.3 改进粒子群优化算法的BP神经网络设计 | 第34页 |
| 3.4 本章小结 | 第34-36页 |
| 第四章 基于粒子群神经网络的故障分类 | 第36-46页 |
| 4.1 PSCAD软件介绍及仿真模型的建立 | 第36-37页 |
| 4.1.1 PSCAD软件介绍 | 第36页 |
| 4.1.2 建立输电线路模型 | 第36-37页 |
| 4.2 线路故障仿真波形分析 | 第37-42页 |
| 4.2.1 初始相角为变量 | 第37-38页 |
| 4.2.2 故障类型为变量 | 第38-40页 |
| 4.2.3 故障位置为变量 | 第40-41页 |
| 4.2.4 过渡电阻为变量 | 第41-42页 |
| 4.3 基于粒子群神经网络的输电线路故障分类 | 第42-44页 |
| 4.3.1 故障分类流程 | 第42-43页 |
| 4.3.2 仿真验证 | 第43-44页 |
| 4.4 本章小结 | 第44-46页 |
| 第五章 输电线路故障测距的求解 | 第46-55页 |
| 5.1 引言 | 第46页 |
| 5.2 最小二乘法 | 第46-47页 |
| 5.3 改进的牛顿迭代法 | 第47-50页 |
| 5.3.1 牛顿迭代法 | 第47-48页 |
| 5.3.2 牛顿迭代法的改进 | 第48-49页 |
| 5.3.3 收敛性分析 | 第49-50页 |
| 5.4 测距结果与分析 | 第50-54页 |
| 5.4.1 单相接地故障 | 第51页 |
| 5.4.2 两相接地短路故障 | 第51-52页 |
| 5.4.3 两相相间短路故障 | 第52-53页 |
| 5.4.4 三相短路故障 | 第53-54页 |
| 5.5 本章小结 | 第54-55页 |
| 结论 | 第55-56页 |
| 参考文献 | 第56-60页 |
| 致谢 | 第60页 |
