摘要 | 第4-6页 |
ABSTRACT | 第6-7页 |
1 绪论 | 第10-32页 |
1.1 复杂电能质量扰动事件分类的研究背景和意义 | 第10-11页 |
1.2 电能质量扰动事件特征提取及相关分类器设计的研究现状 | 第11-15页 |
1.3 电能质量扰动事件特征选择研究现状 | 第15-19页 |
1.4 多标签分类技术在电能质量扰动事件分类中的研究现状 | 第19-24页 |
1.5 多分类器组合技术的研究现状 | 第24-30页 |
1.6 本文的主要工作 | 第30-32页 |
2 复杂电能质量扰动分类中的特征值处理技术 | 第32-51页 |
2.1 引言 | 第32页 |
2.2 复杂电能质量扰动事件分类器的基本框架 | 第32-34页 |
2.3 复杂电能质量扰动信号的仿真模型 | 第34-38页 |
2.4 基于复杂电能质量扰动特性的快速S变换特征提取技术 | 第38-43页 |
2.5 特征值的数值构造方法 | 第43-46页 |
2.6 特征值的概率表示方法 | 第46-50页 |
2.7 本章小结 | 第50-51页 |
3 基于贝叶斯网络的多标签分类器 | 第51-72页 |
3.1 引言 | 第51-52页 |
3.2 基于贝叶斯网络的复杂电能质量扰动分类器 | 第52-61页 |
3.3 标签相关性分析 | 第61-65页 |
3.4 实验测试结果 | 第65-71页 |
3.5 本章小结 | 第71-72页 |
4 复杂电能质量扰动事件分类中的特征选择方法 | 第72-86页 |
4.1 引言 | 第72页 |
4.2 适应度函数 | 第72-76页 |
4.3 特征优化模型 | 第76-79页 |
4.4 实验测试结果 | 第79-85页 |
4.5 本章小结 | 第85-86页 |
5 多分类器组合技术在复杂电能质量扰动事件分类中的应用 | 第86-110页 |
5.1 引言 | 第86-87页 |
5.2 多分类器组合技术 | 第87-94页 |
5.3 基于组合多样性的分类器优选策略 | 第94-96页 |
5.4 基于贝叶斯网络的“上层决策机” | 第96-101页 |
5.5 实验测试结果 | 第101-108页 |
5.6 本章小结 | 第108-110页 |
6 全文总结与工作展望 | 第110-113页 |
6.1 本文工作总结 | 第110-111页 |
6.2 下一步工作展望 | 第111-113页 |
致谢 | 第113-114页 |
参考文献 | 第114-129页 |
附录1 IEEE1159.2工作组提供的电能质量扰动信号波形图 | 第129-132页 |
附录2 电力系统动态仿真实验室生成的电能质量扰动信号波形图 | 第132-137页 |
附录3 攻读博士学位期间发表的主要论文 | 第137-138页 |
附录4 博士生期间参与的课题研究情况 | 第138-139页 |