变电站集控智能告警系统研究
| 摘要 | 第1-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第7-13页 |
| ·研究背景 | 第7-8页 |
| ·国内外研究现状及意义 | 第8-11页 |
| ·本文所做的工作 | 第11-13页 |
| 第二章 RBF神经网络 | 第13-25页 |
| ·人工神经网络简介 | 第13-16页 |
| ·人工神经网络的产生与发展 | 第13-14页 |
| ·人工神经网络的特点与基本原理 | 第14-16页 |
| ·RBF神经网络 | 第16-19页 |
| ·RBF神经网络发展历程 | 第16-17页 |
| ·RBF网络拓扑结构 | 第17-19页 |
| ·RBF网络的理论基础 | 第19页 |
| ·RBF神经网络学习算法 | 第19-23页 |
| ·RBF学习算法综述 | 第19-21页 |
| ·基于正交最小二乘法的RBF学习方法 | 第21-23页 |
| ·小结 | 第23-25页 |
| 第三章 RBF神经网络容错性研究 | 第25-35页 |
| ·前言 | 第25页 |
| ·RBF神经网络的容错性能分析 | 第25-27页 |
| ·单层感知器的"吸引子"和"吸引域"的计算方法 | 第26页 |
| ·采用高斯函数的RBF神经网络的"吸引域"的计算 | 第26-27页 |
| ·稳定性基本理论知识 | 第27-29页 |
| ·Lyapunov(李亚普诺夫)稳定性 | 第28页 |
| ·神经网络的实用稳定性理论 | 第28-29页 |
| ·提高RBF神经网络的容错性能的实用方法 | 第29-34页 |
| ·RBF神经网络实用容错性方法的机理 | 第29-30页 |
| ·RBF神经网络模型的重构机理 | 第30-31页 |
| ·网络输出的模糊处理和"伪吸引域"的形成 | 第31-34页 |
| ·小结 | 第34-35页 |
| 第四章 变电站告警信息的知识表示方案 | 第35-47页 |
| ·知识表示方法简介 | 第35-36页 |
| ·故障诊断知识的神经网络表示 | 第36-38页 |
| ·非故障诊断知识的关系型数据库表示 | 第38-46页 |
| ·关系型数据库简介 | 第38-42页 |
| ·设备结构和功能的知识表示 | 第42-44页 |
| ·故障样本知识表示 | 第44-46页 |
| ·小结 | 第46-47页 |
| 第五章 变电站智能告警系统设计及应用 | 第47-64页 |
| ·引言 | 第47页 |
| ·变电站智能告警系统总体设计 | 第47-49页 |
| ·基于重构RBF神经网络的诊断 | 第49-55页 |
| ·建立网络模型 | 第49-50页 |
| ·构造网络诊断模块 | 第50-53页 |
| ·构造训练样本集 | 第53-55页 |
| ·算例及结果分析 | 第55-63页 |
| ·220kV主变子网络的训练及测试 | 第56-60页 |
| ·220kV母线子网络的训练及测试 | 第60-61页 |
| ·220kV线路子网络的训练及测试 | 第61-63页 |
| ·小结 | 第63-64页 |
| 第六章 结束语 | 第64-66页 |
| ·工作小结 | 第64-65页 |
| ·下一步的工作 | 第65-66页 |
| 致谢 | 第66-67页 |
| 参考文献 | 第67-71页 |
| 附录 | 第71-73页 |
| 附录A:攻读硕士学位期间发表的论文及主要参与项目 | 第71-72页 |
| 附录B:220kV乌当变电站一次主接线图 | 第72-73页 |
