基于S变换的神经网络对自闭贯通线的故障测距
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第一章 绪论 | 第7-13页 |
| ·引言 | 第7页 |
| ·自闭贯通线路的结构及特点 | 第7-8页 |
| ·自闭贯通线路故障测距的现状 | 第8-11页 |
| ·本文所做的工作及创新点 | 第11-13页 |
| 第二章 自闭贯通线路的建模与分析 | 第13-21页 |
| ·引言 | 第13页 |
| ·使用软件简介 | 第13页 |
| ·自闭贯通线系统建模 | 第13-14页 |
| ·测量信号的获取 | 第14-15页 |
| ·部分仿真结果及分析 | 第15-18页 |
| 本章小结 | 第18-21页 |
| 第三章 S变换的原理及短窗能量法 | 第21-35页 |
| ·引言 | 第21-22页 |
| ·S变换的原理 | 第22-24页 |
| ·S变换的特点 | 第24-25页 |
| ·S变换在电力系统中的应用举例 | 第25-29页 |
| ·原理分析 | 第25-26页 |
| ·算例分析 | 第26-29页 |
| ·利用S变换的短窗能量计算故障距离 | 第29-33页 |
| ·测量端电压电流线模模量的选取 | 第29页 |
| ·暂态能量 | 第29-30页 |
| ·能量法故障测距的步骤 | 第30-31页 |
| ·特征频率的暂态能量 | 第31-33页 |
| 本章小结 | 第33-35页 |
| 第四章 人工神经网络及BP网络 | 第35-49页 |
| ·引言 | 第35页 |
| ·人工神经网络 | 第35-41页 |
| ·人工神经网络的背景 | 第35-36页 |
| ·人工神经网络研究方向及应用 | 第36-38页 |
| ·神经网络的一般特征及模型 | 第38-40页 |
| ·神经网络的学习算法 | 第40-41页 |
| ·人工神经网络的优点 | 第41页 |
| ·BP神经网络 | 第41-48页 |
| ·BP模型的背景 | 第41-42页 |
| ·BP模型 | 第42-44页 |
| ·隐含层节点数的确定 | 第44页 |
| ·BP神经网络的运行过程 | 第44-47页 |
| ·BP网络的优缺点 | 第47-48页 |
| 本章小结 | 第48-49页 |
| 第五章 基于S变换的神经网络故障测距算法 | 第49-59页 |
| ·引言 | 第49页 |
| ·建模工具介绍 | 第49-50页 |
| ·BP网络的结构设计 | 第50-51页 |
| ·输入层与输出层的设计 | 第50页 |
| ·隐含层层数选择 | 第50页 |
| ·隐层神经元数目的选择 | 第50-51页 |
| ·BP网络的训练 | 第51-54页 |
| ·训练样本的选取 | 第51页 |
| ·样本数据的预处理 | 第51-53页 |
| ·BP网络结构 | 第53-54页 |
| ·误差准则函数 | 第54页 |
| ·训练的停止条件 | 第54页 |
| ·故障位置的BP神经网络检测 | 第54-57页 |
| 本章小结 | 第57-59页 |
| 第六章 结论与展望 | 第59-61页 |
| ·结论 | 第59页 |
| ·论文的不足及今后工作的方向 | 第59-61页 |
| 致谢 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 附录—攻读硕士期间发表的论文 | 第67页 |
