| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-19页 |
| ·概述 | 第9-10页 |
| ·故障诊断的研究现状 | 第10-16页 |
| ·专家系统法 | 第10-11页 |
| ·人工神经网络法 | 第11-13页 |
| ·模糊理论法 | 第13-14页 |
| ·粗糙集理论 | 第14页 |
| ·优化技术 | 第14-15页 |
| ·Petri网 | 第15-16页 |
| ·其他方法 | 第16页 |
| ·故障诊断的难点和目前的主要问题 | 第16-17页 |
| ·基于多源信息融合的故障诊断 | 第17页 |
| ·本文的主要工作 | 第17-19页 |
| 第二章 故障诊断的信息源 | 第19-33页 |
| ·概述 | 第19-21页 |
| ·故障诊断信息来源 | 第21-29页 |
| ·SCADA系统简介 | 第23-24页 |
| ·WAMS系统简介 | 第24-25页 |
| ·继电保护信息系统简介 | 第25页 |
| ·故障信息系统简介 | 第25-29页 |
| ·电力系统继电保护原理简介 | 第29-32页 |
| ·保护知识简介 | 第29-31页 |
| ·线路故障与保护系统 | 第31页 |
| ·变压器故障与保护系统 | 第31-32页 |
| ·母线故障与保护 | 第32页 |
| ·结论 | 第32-33页 |
| 第三章 基于混合量测信息的状态估计 | 第33-43页 |
| ·概述 | 第33-34页 |
| ·基于混合量测的状态估计模型 | 第34-38页 |
| ·非线性估计模型 | 第34-36页 |
| ·线性估计模型 | 第36页 |
| ·伪量测量的权值调整 | 第36-37页 |
| ·插值模型(近似估计) | 第37-38页 |
| ·算例仿真 | 第38-42页 |
| ·结论 | 第42-43页 |
| 第四章 基于面向元件神经网络诊断与模糊积分融合技术的电网故障诊断 | 第43-70页 |
| ·概述 | 第43-44页 |
| ·神经网络 | 第44-52页 |
| ·神经网络的结构 | 第44-45页 |
| ·BP神经网络 | 第45-48页 |
| ·BP神经网络的几个问题的探讨 | 第48-49页 |
| ·BP神经网络改进算法 | 第49-51页 |
| ·RBF神经网络 | 第51-52页 |
| ·基于面向元件神经网络的故障诊断模型 | 第52-54页 |
| ·线路模型 | 第52-53页 |
| ·变压器模型 | 第53-54页 |
| ·母线模型 | 第54页 |
| ·神经网络训练与构造 | 第54-57页 |
| ·面向元件神经网络的故障诊断 | 第57-58页 |
| ·基于模糊积分信息融合的综合诊断 | 第58-64页 |
| ·诊断系统结构及原理 | 第59-60页 |
| ·模糊积分的数学描述 | 第60-61页 |
| ·初级诊断结论预处理 | 第61-62页 |
| ·确定模糊密度 | 第62-63页 |
| ·综合诊断流程 | 第63-64页 |
| ·算例分析 | 第64-68页 |
| ·结论 | 第68-70页 |
| 第五章 基于潮流指纹的故障诊断 | 第70-84页 |
| ·概述 | 第70-71页 |
| ·综合多源信息的故障诊断框架 | 第71-72页 |
| ·基于潮流指纹的输电网故障诊断 | 第72-73页 |
| ·直流潮流 | 第73-74页 |
| ·实时潮流分布特性 | 第74-77页 |
| ·故障模式匹配 | 第77-78页 |
| ·算例仿真 | 第78-83页 |
| ·结论 | 第83-84页 |
| 结论 | 第84-86页 |
| 工作展望 | 第86-87页 |
| 致谢 | 第87-88页 |
| 攻读硕士期间发表的文章 | 第88-89页 |
| 参考文献 | 第89-95页 |
| 附录 | 第95-98页 |