| 致谢 | 第1-6页 |
| 中文摘要 | 第6-7页 |
| ABSTRACT | 第7-12页 |
| 1 引言 | 第12-20页 |
| ·课题研究的背景及意义 | 第12-13页 |
| ·暂态电能质量概述 | 第13-15页 |
| ·暂态电能质量分类 | 第14-15页 |
| ·暂态电能质量检测与分析方法 | 第15-16页 |
| ·时域仿真方法 | 第15-16页 |
| ·频域仿真方法 | 第16页 |
| ·基于变换域方法 | 第16页 |
| ·国内外研究现状 | 第16-18页 |
| ·国内研究现状 | 第17页 |
| ·国外研究现状 | 第17-18页 |
| ·本文所做主要工作 | 第18-20页 |
| 2 电压暂降检测方法的基本理论与研究 | 第20-38页 |
| ·电压暂降检测方法的基本理论 | 第20-25页 |
| ·有效值检测方法 | 第20-21页 |
| ·瞬时电压dq分解法 | 第21-22页 |
| ·αβ-dq变换单相检测法 | 第22-23页 |
| ·缺损电压计算法 | 第23-24页 |
| ·单相变换平均值法 | 第24页 |
| ·基波分量法 | 第24-25页 |
| ·检测方法仿真结果分析 | 第25-28页 |
| ·有效值检测方法 | 第25-27页 |
| ·瞬时电压dq分解法 | 第27页 |
| ·αβ-dq变换单相检测 | 第27-28页 |
| ·检测方法的适用性分析 | 第28页 |
| ·暂降起始时间误差分析 | 第28-29页 |
| ·误差曲线补偿仿真结果 | 第29-30页 |
| ·误差补偿时间在DSP上的实现 | 第30-36页 |
| ·DSP开发环境CCS3.0简介 | 第30-31页 |
| ·TMS320F28335的特点 | 第31页 |
| ·实验验证 | 第31-36页 |
| ·小结 | 第36-38页 |
| 3 小波变换理论及其在电压暂降检测中的应用 | 第38-52页 |
| ·小波变换 | 第38-44页 |
| ·连续小波变换 | 第38-39页 |
| ·离散小波变换 | 第39-40页 |
| ·二进小波变换 | 第40页 |
| ·多分辨分析与mallat算法 | 第40-43页 |
| ·小波变换模极大值与信号奇异性检测原理 | 第43-44页 |
| ·基于小波变换和αβ变换法的电压暂降检测方法 | 第44-49页 |
| ·小波奇异性检测原理用于检测电压暂降可行性分析 | 第44-46页 |
| ·算例仿真实验 | 第46-49页 |
| ·结果分析 | 第49页 |
| ·小结 | 第49-52页 |
| 4 人工神经网络与遗传算法基本理论 | 第52-70页 |
| ·人工神经网络理论 | 第52-59页 |
| ·人工神经网络原理 | 第52-53页 |
| ·人工神经元模型 | 第53-54页 |
| ·神经网络常用的激励函数 | 第54-56页 |
| ·BP神经网络 | 第56-59页 |
| ·遗传算法 | 第59-66页 |
| ·遗传算法的概念 | 第60-61页 |
| ·遗传算法基本原理和方法 | 第61-62页 |
| ·遗传算法基本操作与流程 | 第62-64页 |
| ·遗传算法特点 | 第64-66页 |
| ·BP与GA-BP用于暂态电能质量分类 | 第66-67页 |
| ·BP神经网络用于暂态电能质量分类分析 | 第66-67页 |
| ·遗传算法(GA)和BP神经网络结合的可行性 | 第67页 |
| ·GA和BP的结合方式 | 第67页 |
| ·小结 | 第67-70页 |
| 5 基于小波变换的BP和GA-BP神经网络的分类实现 | 第70-84页 |
| ·暂态电能质量扰动类型 | 第70-74页 |
| ·暂态电能质量扰动特征量提取 | 第74-79页 |
| ·实例仿真 | 第79-83页 |
| ·BP神经网络结构设计 | 第79-81页 |
| ·GA-BP神经网络结构设计 | 第81-83页 |
| ·BP与GA-BP分类结果对比及分析 | 第83页 |
| ·小结 | 第83-84页 |
| 6 总结与展望 | 第84-86页 |
| ·总结 | 第84-85页 |
| ·展望 | 第85-86页 |
| 参考文献 | 第86-90页 |
| 作者简历 | 第90-94页 |
| 学位论文数据集 | 第94页 |