| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 第1章 绪论 | 第10-22页 |
| ·课题研究的意义 | 第10页 |
| ·电网故障诊断方法国内外现状分析 | 第10-19页 |
| ·专家系统 | 第11页 |
| ·人工神经网络 | 第11-12页 |
| ·Petri网 | 第12-13页 |
| ·模糊理论 | 第13页 |
| ·优化方法 | 第13-14页 |
| ·数据挖掘 | 第14-15页 |
| ·信息理论 | 第15页 |
| ·多代理系统 | 第15-16页 |
| ·基于粗糙集理论的电网故障诊断研究现状 | 第16-18页 |
| ·基于贝叶斯网络的电网故障诊断研究现状 | 第18-19页 |
| ·电网故障诊断发展趋势 | 第19-21页 |
| ·容错性研究 | 第19页 |
| ·多种方法的融合研究 | 第19-20页 |
| ·基于多信息源的分层分布式诊断方法研究 | 第20页 |
| ·实用化研究 | 第20-21页 |
| ·本论文所做的工作 | 第21-22页 |
| 第2章 粗糙集、信息熵与贝叶斯网络理论基础 | 第22-38页 |
| ·知识的含义与不可分辨关系 | 第22-24页 |
| ·知识的化简 | 第24页 |
| ·信息系统 | 第24-25页 |
| ·决策表与决策规则 | 第25-27页 |
| ·决策表的属性约简算法 | 第27-31页 |
| ·可辨识矩阵 | 第28页 |
| ·所需逻辑运算基本知识 | 第28-29页 |
| ·算法描述 | 第29-31页 |
| ·信息熵与互信息 | 第31-32页 |
| ·贝叶斯定理 | 第32页 |
| ·贝叶斯网络分类器简介 | 第32-35页 |
| ·朴素贝叶斯分类器简介 | 第33-34页 |
| ·TAN分类器简介 | 第34-35页 |
| ·BAN分类器简介 | 第35页 |
| ·朴素贝叶斯分类器 | 第35-37页 |
| ·朴素贝叶斯分类器的构建及扩展 | 第35-36页 |
| ·朴素贝叶斯分类原理 | 第36-37页 |
| ·本章小节 | 第37-38页 |
| 第3章 基于粗糙集和朴素贝叶斯(RSNB)的电网故障诊断方法 | 第38-58页 |
| ·基本思想 | 第38-39页 |
| ·算法描述 | 第39-40页 |
| ·简单配电网算例 | 第40-47页 |
| ·简单配电网结构图 | 第40-41页 |
| ·根据电网故障样本建立决策表 | 第41-42页 |
| ·基于可辨识矩阵和二元逻辑运算的的属性约简 | 第42-44页 |
| ·基于平均互信息的最优属性约简组合选择方法 | 第44-45页 |
| ·朴素贝叶斯网络建模 | 第45页 |
| ·节点条件概率训练 | 第45-46页 |
| ·实时故障诊断推理 | 第46-47页 |
| ·复杂故障算例 | 第47-56页 |
| ·算例配电网 | 第48-49页 |
| ·决策表的建立 | 第49-53页 |
| ·故障诊断及测试结果分析 | 第53-56页 |
| ·本章小结 | 第56-58页 |
| 第4章 基于RSNB的大规模电网分布式故障诊断方法与实现 | 第58-83页 |
| ·引言 | 第58页 |
| ·电网分割的基本原理 | 第58-60页 |
| ·现有的电网分割方法 | 第60-63页 |
| ·无重叠分割法 | 第60页 |
| ·多重叠分割法 | 第60-61页 |
| ·蝶型分割法 | 第61页 |
| ·图形分割法 | 第61-63页 |
| ·改进的电网分割法 | 第63-65页 |
| ·分步式电网故障诊断系统实现 | 第65-70页 |
| ·系统整体设计 | 第65页 |
| ·软件程序流程 | 第65-68页 |
| ·软件实现 | 第68-70页 |
| ·分步式电网故障诊断算例分析 | 第70-81页 |
| ·算例配电网介绍 | 第70-71页 |
| ·运用改进电网分割法对算例配电网进行分割 | 第71-76页 |
| ·在子网中运用RSNB法进行诊断 | 第76-79页 |
| ·测试结果与分析 | 第79-80页 |
| ·与粗糙集方法的比较 | 第80-81页 |
| ·本章小结 | 第81-83页 |
| 结论 | 第83-85页 |
| 致谢 | 第85-86页 |
| 参考文献 | 第86-90页 |
| 攻读硕士学位期间发表的论文及参与项目 | 第90页 |