| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第9-13页 |
| 1.1 研究背景与意义 | 第9页 |
| 1.2 配电网故障定位方法研究现状 | 第9-12页 |
| 1.2.1 基于重合器、分段器的故障定位 | 第10页 |
| 1.2.2 基于FTU的故障定位 | 第10-12页 |
| 1.3 本文主要工作 | 第12-13页 |
| 第2章 基于BP神经网络的配电网故障定位 | 第13-23页 |
| 2.1 BP神经网络 | 第13-17页 |
| 2.1.1 BP神经网络的结构模型 | 第13-15页 |
| 2.1.2 BP神经网络的学习原理 | 第15页 |
| 2.1.3 BP神经网络的训练过程 | 第15-17页 |
| 2.2 BP神经网络应用于配电网故障诊断 | 第17-19页 |
| 2.3 BP神经网络存在的问题及优化方法 | 第19-20页 |
| 2.4 基于区域划分的BP神经网络的配电网故障定位 | 第20-22页 |
| 2.4.1 单电源配电网系统故障定位 | 第20页 |
| 2.4.2 多电源配电网系统故障定位 | 第20-22页 |
| 2.5 本章小结 | 第22-23页 |
| 第3章 基于GA-BP神经网络的配电网故障定位 | 第23-32页 |
| 3.1 遗传算法 | 第23-25页 |
| 3.1.1 遗传算法简介 | 第23-24页 |
| 3.1.2 遗传算法基本原理 | 第24页 |
| 3.1.3 遗传算法基本要素 | 第24-25页 |
| 3.2 基于GA-BP神经网络的配电网故障定位方法 | 第25-27页 |
| 3.2.1 网络创建 | 第26页 |
| 3.2.2 网络训练与测试 | 第26页 |
| 3.2.3 种群初始化 | 第26-27页 |
| 3.2.4 适应度函数 | 第27页 |
| 3.2.5 选择、交叉和变异 | 第27页 |
| 3.3 算例分析 | 第27-31页 |
| 3.4 本章小结 | 第31-32页 |
| 第4章 基于PSO-BP神经网络的配电网故障定位 | 第32-41页 |
| 4.1 粒子群算法 | 第32-33页 |
| 4.2 PSO-BP神经网络基本思路 | 第33-35页 |
| 4.2.1 PSO-BP神经网络的参数设置 | 第33-34页 |
| 4.2.2 PSO-BP神经网络的基本思路 | 第34-35页 |
| 4.3 基于PSO-BP神经网络的配电网故障定位方法 | 第35-36页 |
| 4.3.1 BP网络参数设置 | 第35页 |
| 4.3.2 粒子群算法参数设置 | 第35-36页 |
| 4.4 算例分析 | 第36-40页 |
| 4.5 本章小结 | 第40-41页 |
| 第5章 配电网故障定位仿真系统 | 第41-50页 |
| 5.1 系统总体构架 | 第41-43页 |
| 5.1.1 配电网馈线自动化系统简介 | 第41-42页 |
| 5.1.2 配电网故障定位系统原理 | 第42-43页 |
| 5.2 配电网故障定位仿真系统设计 | 第43-45页 |
| 5.2.1 通信系统设计 | 第43-44页 |
| 5.2.2 故障信息分析平台设计 | 第44-45页 |
| 5.3 配电网故障定位仿真系统实现 | 第45-49页 |
| 5.3.1 主界面实现 | 第46-47页 |
| 5.3.2 监测界面实现 | 第47-48页 |
| 5.3.3 故障定位界面实现 | 第48-49页 |
| 5.4 本章小结 | 第49-50页 |
| 第6章 结论与展望 | 第50-52页 |
| 6.1 总结 | 第50-51页 |
| 6.2 展望 | 第51-52页 |
| 参考文献 | 第52-56页 |
| 攻读硕士学位期间的研究成果 | 第56-57页 |
| 致谢 | 第57页 |
