| 中文摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 课题背景与研究意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-14页 |
| 1.2.1 国内外主要研究方向 | 第10-13页 |
| 1.2.2 存在的问题以及难点 | 第13-14页 |
| 1.3 本文的主要研究内容和创新点 | 第14-17页 |
| 1.3.1 主要研究内容 | 第14-15页 |
| 1.3.2 创新点 | 第15-17页 |
| 第二章 基于HHT带通滤波与时频矩阵SVD的故障特征量提取 | 第17-36页 |
| 2.1 配电网故障特征分析 | 第17-21页 |
| 2.2 基于HHT带通滤波的配电网故障信号分解 | 第21-32页 |
| 2.2.1 HHT时频分析方法 | 第21-25页 |
| 2.2.2 HHT带通滤波算法 | 第25页 |
| 2.2.3 配电网故障信号分解实例 | 第25-32页 |
| 2.3 基于时频矩阵SVD的配电网故障信号特征量提取 | 第32-35页 |
| 2.3.1 时频矩阵奇异值分解 | 第32-33页 |
| 2.3.2 故障信号特征量提取 | 第33-35页 |
| 2.4 本章小结 | 第35-36页 |
| 第三章 基于多级支持向量机的配电网故障类型识别 | 第36-45页 |
| 3.1 支持向量机基本原理 | 第36-40页 |
| 3.1.1 线性可分支持向量机 | 第36-38页 |
| 3.1.2 线性不可分支持向量机 | 第38页 |
| 3.1.3 非线性支持向量机 | 第38-40页 |
| 3.2 基于多级SVM的故障类型识别 | 第40-44页 |
| 3.2.1 多级SVM的构成 | 第40页 |
| 3.2.2 基于RBF核函数的支持向量机参数寻优 | 第40-42页 |
| 3.2.3 配电网故障类型识别实现步骤 | 第42-44页 |
| 3.3 本章小结 | 第44-45页 |
| 第四章 基于深度学习的配电网故障类型识别 | 第45-78页 |
| 4.1 深度学习概述 | 第45-46页 |
| 4.2 卷积神经网络基本理论 | 第46-59页 |
| 4.2.1 CNN原理 | 第46-50页 |
| 4.2.2 CNN数学模型 | 第50-55页 |
| 4.2.3 CNN中的BP算法 | 第55-59页 |
| 4.3 基于卷积神经网络的配电网故障类型识别 | 第59-77页 |
| 4.3.1 分块时频谱的形成 | 第59-62页 |
| 4.3.2 CNN的构成 | 第62-63页 |
| 4.3.3 CNN的训练算法 | 第63-65页 |
| 4.3.4 基于CNN的配电网故障信号特征量提取 | 第65-75页 |
| 4.3.5 配电网故障类型识别实现步骤 | 第75-77页 |
| 4.4 本章小结 | 第77-78页 |
| 第五章 软件及物理仿真验证 | 第78-111页 |
| 5.1 配电网软件仿真建模 | 第78-79页 |
| 5.1.1 软件仿真模型及参数 | 第78-79页 |
| 5.1.2 软件仿真样本及其分析 | 第79页 |
| 5.2 配电网物理实验平台建模 | 第79-87页 |
| 5.2.1 物理实验模型 | 第79-82页 |
| 5.2.2 物理模型实验样本 | 第82-87页 |
| 5.3 配电网馈线故障类型识别测试结果及分析 | 第87-96页 |
| 5.3.1 基于软件仿真模型样本的测试结果及分析 | 第87-91页 |
| 5.3.2 基于物理实验模型样本的测试结果及分析 | 第91-96页 |
| 5.4 故障类型识别算法适应性分析 | 第96-104页 |
| 5.4.1 噪声干扰 | 第96-98页 |
| 5.4.2 采样不同步 | 第98-99页 |
| 5.4.3 网络结构变化 | 第99-100页 |
| 5.4.4 中性点经消弧线圈接地 | 第100-102页 |
| 5.4.5 系统负荷变化 | 第102页 |
| 5.4.6 系统等值阻抗变化 | 第102-103页 |
| 5.4.7 分布式电源接入 | 第103-104页 |
| 5.5 两种模型样本的混合测试 | 第104-109页 |
| 5.6 两种故障类型识别方法的对比分析 | 第109-110页 |
| 5.7 本章小结 | 第110-111页 |
| 第六章 总结与展望 | 第111-114页 |
| 6.1 总结 | 第111-112页 |
| 6.2 展望 | 第112-114页 |
| 参考文献 | 第114-119页 |
| 致谢 | 第119-120页 |
| 个人简历及研究成果 | 第120页 |