| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-23页 |
| 1.1 选题背景及意义 | 第11-12页 |
| 1.2 微电网故障特性分析 | 第12-20页 |
| 1.2.1 微电源建模及安全特性分析 | 第12-15页 |
| 1.2.2 微网故障特性分析 | 第15-20页 |
| 1.3 微电网故障诊断的研究现状 | 第20-21页 |
| 1.4 本文研究的主要内容 | 第21-23页 |
| 第2章 基于信息融合的故障诊断理论基础 | 第23-37页 |
| 2.1 故障诊断方法研究现状 | 第23-25页 |
| 2.2 信息融合故障诊断方法 | 第25-30页 |
| 2.2.1 信息融合技术发展概述 | 第25-27页 |
| 2.2.2 信息融合技术的基本原理 | 第27-28页 |
| 2.2.3 信息融合的结构 | 第28-30页 |
| 2.3 决策级信息融合的主要算法 | 第30-35页 |
| 2.3.1 加权融合方法 | 第30-31页 |
| 2.3.2 D-S证据推理 | 第31-33页 |
| 2.3.3 模糊积分法 | 第33-35页 |
| 2.4 本章小结 | 第35-37页 |
| 第3章 基于潮流信息的微电网故障诊断方法 | 第37-51页 |
| 3.1 概述 | 第37-38页 |
| 3.2 微电网潮流信息匹配 | 第38-40页 |
| 3.2.1 电网潮流信息匹配的概念 | 第38-39页 |
| 3.2.2 电网潮流信息匹配特征点 | 第39-40页 |
| 3.3 PMU优化配置 | 第40-44页 |
| 3.3.1 电网系统的可观测性 | 第40-41页 |
| 3.3.2 PMU优化配置研究现状 | 第41-42页 |
| 3.3.3 基于粗糙集属性约简的PMU最优配置 | 第42-44页 |
| 3.4 潮流信息匹配的微电网故障诊断 | 第44-46页 |
| 3.4.1 微电网潮流信息匹配算法 | 第44-45页 |
| 3.4.2 基于潮流信息匹配的故障诊断流程 | 第45-46页 |
| 3.5 算例仿真分析 | 第46-50页 |
| 3.6 本章小结 | 第50-51页 |
| 第4章 基于粗糙集和量子神经网络的微电网故障诊断方法 | 第51-67页 |
| 4.1 粗糙集理论的发展及其应用 | 第51-58页 |
| 4.1.1 粗糙集理论概述 | 第51页 |
| 4.1.2 粗糙集理论基本概念 | 第51-53页 |
| 4.1.3 决策表属性约简算法 | 第53-55页 |
| 4.1.4 电网故障诊断中决策表约简实例 | 第55-58页 |
| 4.2 量子神经网络的发展及其应用 | 第58-61页 |
| 4.2.1 量子神经网络概述 | 第58页 |
| 4.2.2 基于多层激励函数的量子神经网络 | 第58-61页 |
| 4.3 粗糙集理论与多层激励量子神经网络相结合的故障诊断 | 第61-63页 |
| 4.3.1 算法基本思路 | 第61页 |
| 4.3.2 算法基本流程的描述 | 第61-63页 |
| 4.4 仿真算例与分析 | 第63-66页 |
| 4.5 本章小结 | 第66-67页 |
| 第5章 基于模糊积分的决策级信息融合微电网故障诊断 | 第67-77页 |
| 5.1 概述 | 第67页 |
| 5.2 基于信息融合技术的故障诊断算法流程 | 第67-70页 |
| 5.3 微电网故障诊断算例 | 第70-76页 |
| 5.4 本章小结 | 第76-77页 |
| 第6章 总结与展望 | 第77-79页 |
| 6.1 研究内容总结 | 第77-78页 |
| 6.2 研究展望 | 第78-79页 |
| 参考文献 | 第79-85页 |
| 致谢 | 第85-87页 |
| 攻读硕士期间所做工作 | 第87-89页 |
| 附录 | 第89-93页 |
