| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-16页 |
| ·论文的研究背景和意义 | 第10页 |
| ·研究现状 | 第10-14页 |
| ·电能质量研究现状 | 第10-11页 |
| ·分析方法应用现状 | 第11-14页 |
| ·论文所做的工作 | 第14-16页 |
| 第2章 电能质量及其检测概述 | 第16-25页 |
| ·电能质量的定义与分类 | 第16-23页 |
| ·电能质量的定义 | 第16-17页 |
| ·电能质量的分类 | 第17-19页 |
| ·暂态电能质量问题概述 | 第19-23页 |
| ·电能质量相关标准 | 第23页 |
| ·在智能电网背景下的电能质量监测分析 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 第3章 基于小波分析的暂态电能质量扰动检测 | 第25-38页 |
| ·引言 | 第25页 |
| ·小波变换的直观感受 | 第25-27页 |
| ·小波变换定义 | 第27-28页 |
| ·连续小波变换 | 第27-28页 |
| ·离散小波变换 | 第28页 |
| ·小波分析的相关理论 | 第28-33页 |
| ·Mallat 算法 | 第28-31页 |
| ·小波基特性 | 第31-32页 |
| ·Lipschitz 指数 | 第32-33页 |
| ·模极大值及奇异性检测 | 第33-34页 |
| ·小波变换对暂态电能质量扰动定位示例 | 第34-37页 |
| ·小波基选择 | 第34页 |
| ·小波分解层数 | 第34页 |
| ·仿真示例 | 第34-37页 |
| ·本章小结 | 第37-38页 |
| 第4章 基于支持向量机的暂态电能质量扰动分类 | 第38-53页 |
| ·引言 | 第38页 |
| ·支持向量机及其相关理论基础 | 第38-45页 |
| ·统计学习理论 | 第38-39页 |
| ·分类间隔的直观理解 | 第39-40页 |
| ·函数间隔与几何间隔 | 第40-42页 |
| ·最大间隔分类器 | 第42-43页 |
| ·拉格朗日对偶问题 | 第43-45页 |
| ·SVM 分类器的构建 | 第45-48页 |
| ·最大间隔分类器 | 第45-47页 |
| ·核函数在支持向量机构建当中的应用 | 第47-48页 |
| ·规范化与非线性可分情况的分类 | 第48-49页 |
| ·支持向量机应用于电能质量暂态扰动分类示例 | 第49-52页 |
| ·本章小结 | 第52-53页 |
| 第5章 基于人工神经网络的暂态电能质量扰动检测 | 第53-70页 |
| ·引言 | 第53页 |
| ·人工神经元及人工神经网络模型 | 第53-58页 |
| ·人工神经网络的训练 | 第58-62页 |
| ·人工神经网络学习方法 | 第58-61页 |
| ·人工神经网络泛化能力 | 第61-62页 |
| ·典型人工神经网络 | 第62-64页 |
| ·基于小波和 BP 神经网络的暂态电能扰动分类新方法 | 第64-69页 |
| ·新方法的基本思想 | 第65页 |
| ·特征向量的构造 | 第65-66页 |
| ·分类流程 | 第66页 |
| ·算例分析 | 第66-69页 |
| ·本章小结 | 第69-70页 |
| 结论与展望 | 第70-72页 |
| 参考文献 | 第72-78页 |
| 致谢 | 第78-79页 |
| 附录 A 攻读学位期间所发表的学术论文目录 | 第79-80页 |
| 附录 B 攻读学位期间所参加的科研项目目录 | 第80页 |