基于EEMD和ELM的电能质量扰动检测与分类研究
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第1章 绪论 | 第12-17页 |
| 1.1 课题研究背景 | 第12-13页 |
| 1.2 电能质量国内外研究现状 | 第13-15页 |
| 1.3 本文研究的主要内容和结构安排 | 第15-17页 |
| 第2章 电能质量扰动特征和分析方法的研究 | 第17-28页 |
| 2.1 电能质量概述 | 第17-18页 |
| 2.1.1 电能质量的概念 | 第17-18页 |
| 2.1.2 电能质量问题的分类 | 第18页 |
| 2.2 扰动信号数学模型 | 第18-23页 |
| 2.2.1 正常电压信号 | 第19页 |
| 2.2.2 电压骤升 | 第19-20页 |
| 2.2.3 电压骤降 | 第20页 |
| 2.2.4 电压中断 | 第20-21页 |
| 2.2.5 谐波 | 第21页 |
| 2.2.6 暂态脉冲 | 第21-22页 |
| 2.2.7 暂态震荡 | 第22-23页 |
| 2.3 电能质量扰动分析方法 | 第23-27页 |
| 2.3.1 傅里叶变换 | 第23-24页 |
| 2.3.2 小波变换 | 第24-25页 |
| 2.3.3 S变换 | 第25-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第3章 基于EEMD去噪的电能质量扰动检测 | 第28-43页 |
| 3.1 HHT变换 | 第28-30页 |
| 3.1.1 固有模态函数 | 第28页 |
| 3.1.2 EMD算法理论 | 第28-30页 |
| 3.1.3 EMD算法的不足 | 第30页 |
| 3.2 EEMD算法 | 第30-32页 |
| 3.3 基于EEMD阈值去噪算法 | 第32-39页 |
| 3.3.1 EEMD阈值去噪算法 | 第32-33页 |
| 3.3.2 算例分析 | 第33-39页 |
| 3.4 EEMD在电能质量扰动检测中的应用 | 第39-41页 |
| 3.5 本章小结 | 第41-43页 |
| 第4章 基于ELM的电能质量扰动识别 | 第43-54页 |
| 4.1 常见的识别方法 | 第43-47页 |
| 4.1.1 专家系统 | 第43-44页 |
| 4.1.2 人工神经网络 | 第44-45页 |
| 4.1.3 支持向量机 | 第45-47页 |
| 4.2 极限学习机理论 | 第47-48页 |
| 4.2.1 极限学习机原理 | 第47-48页 |
| 4.2.2 ELM的学习算法 | 第48页 |
| 4.3 粒子群优化极限学习机模型 | 第48-50页 |
| 4.3.1 粒子群优化算法 | 第48-49页 |
| 4.3.2 粒子群优化极限学习机模型 | 第49-50页 |
| 4.3.3 模态能量特征值提取 | 第50页 |
| 4.4 仿真结果分析 | 第50-53页 |
| 4.5 本章小结 | 第53-54页 |
| 第5章 基于优化ELM的电能质量扰动识别 | 第54-61页 |
| 5.1 在线极限学习机 | 第54-57页 |
| 5.1.1 在线极限学习机原理 | 第54-56页 |
| 5.1.2 OSELM的学习算法 | 第56-57页 |
| 5.2 人工蜂群算法优化在线极限学习机模型 | 第57-59页 |
| 5.2.1 人工蜂群算法原理 | 第57-58页 |
| 5.2.2 人工蜂群优化算法 | 第58-59页 |
| 5.3 仿真结果及分析 | 第59-60页 |
| 5.4 本章小结 | 第60-61页 |
| 总结与展望 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 攻读硕士期间研究成果 | 第67-68页 |
| 致谢 | 第68-69页 |
