| 摘要 | 第4-6页 |
| Abstract | 第6-8页 |
| 1 绪论 | 第12-25页 |
| 1.1 课题研究背景和意义 | 第12-15页 |
| 1.2 国内外研究现状 | 第15-21页 |
| 1.3 本文所做的工作及主要创新点 | 第21-25页 |
| 2 高斯白噪声背景下电力系统低频振荡在线检测算法 | 第25-38页 |
| 2.1 引言 | 第25-26页 |
| 2.2 基于Prony算法低频振荡检测 | 第26-28页 |
| 2.3 基于HTLS算法低频振荡检测 | 第28-31页 |
| 2.4 基于矩阵束（MP）算法低频振荡检测 | 第31-34页 |
| 2.5 基于SVD滤波的改进Prony算法的低频振荡检测 | 第34-37页 |
| 2.6 本章小节 | 第37-38页 |
| 3 高斯白色噪声背景下电力系统低频振荡检测算例分析 | 第38-54页 |
| 3.1 引言 | 第38-39页 |
| 3.2 理想测试信号算例分析 | 第39-44页 |
| 3.3 四机两区系统仿真算例分析 | 第44-49页 |
| 3.4 某地区实际电网PMU算例分析 | 第49-52页 |
| 3.5 本章小结 | 第52-54页 |
| 4 高斯有色噪声背景下基于高阶混合累积量算法的低频振荡检测技术 | 第54-73页 |
| 4.1 引言 | 第54页 |
| 4.2 高阶累积量理论基础 | 第54-56页 |
| 4.3 有限长单样本条件下低频振荡模型的四阶混合累积量 | 第56-59页 |
| 4.4 高斯色噪声背景下基于四阶混合累积量低频振荡在线辨识 | 第59-62页 |
| 4.5 高斯色噪声背景下算例分析 | 第62-71页 |
| 4.6 本章小结 | 第71-73页 |
| 5 高斯有色噪声背景基于互相关函数滤波的低频振荡在线检测算法 | 第73-83页 |
| 5.1 引言 | 第73页 |
| 5.2 互相关函数理论以及对高斯有色噪声的处理 | 第73-76页 |
| 5.3 高斯色噪声背景下基于互相关函数滤波的低频振荡在线辨识 | 第76-78页 |
| 5.4 高斯有色噪声背景下算例分析 | 第78-81页 |
| 5.5 本章小结 | 第81-83页 |
| 6 高斯色噪声背景下基于Adaline神经网络的模态分析 | 第83-99页 |
| 6.1 引言 | 第83页 |
| 6.2 自适应线性神经网络 | 第83-85页 |
| 6.3 高斯色噪声背景下利用Adaline神经网络进行模式识别的四种算法 | 第85-88页 |
| 6.4 高斯有色噪声背景下算例分析 | 第88-92页 |
| 6.5 各算法的性能对比 | 第92-98页 |
| 6.6 本章小结 | 第98-99页 |
| 7 总结和展望 | 第99-102页 |
| 7.1 总结 | 第99-101页 |
| 7.2 展望 | 第101-102页 |
| 致谢 | 第102-103页 |
| 参考文献 | 第103-111页 |
| 作者在攻读硕士学位期间发表的论文 | 第111页 |
