人工神经网络在电网谐波监测中的研究
| 中文摘要 | 第4-5页 |
| 英文摘要 | 第5页 |
| 1 绪论 | 第9-14页 |
| 1．1 电网谐波监测的意义 | 第9-11页 |
| 1．2 现有监测方法的优点和不足 | 第11页 |
| 1．3 国内外应用研究概况 | 第11-13页 |
| 1．4 作者的研究目标和内容 | 第13-14页 |
| 1．4．1 本文的研究目标 | 第13页 |
| 1．4．2 本文的主要工作 | 第13-14页 |
| 2 电力系统谐波产生及危害 | 第14-24页 |
| 2．1 电力系统谐波的定义及产生 | 第14-16页 |
| 2．2 电网谐波的危害性 | 第16-19页 |
| 2．3 电力系统谐波监测的意义和方法 | 第19-21页 |
| 2．4 对高次谐波产生的电力系统故障及防止措施 | 第21-23页 |
| 2．4．1 一般负载电路中电容器的异常过电流 | 第21-22页 |
| 2．4．2 高次谐波引起的谐振过电压 | 第22-23页 |
| 2．5 小结 | 第23-24页 |
| 3 人工神经网络模型及学习算法分析 | 第24-37页 |
| 3．1 概述 | 第24-26页 |
| 3．1．1 人工智能的提出和发展 | 第24-25页 |
| 3．1．2 人工神经网络的发展 | 第25-26页 |
| 3．2 神经元的数理模型 | 第26-30页 |
| 3．2．1 大脑神经的生物模型 | 第26-28页 |
| 3．2．2 神经元模型 | 第28-30页 |
| 3．3 人工神经网络模型 | 第30-32页 |
| 3．4 神经网络的学习算法 | 第32-36页 |
| 3．4．1 感知器学习算法 | 第32-33页 |
| 3．4．2 反向传播算法 | 第33-36页 |
| 3．5 小结 | 第36-37页 |
| 4 神经网络在电网谐波监测中的应用 | 第37-58页 |
| 4．1 概述 | 第37-38页 |
| 4．1．1 人工神经网络的监测模型 | 第37页 |
| 4．1．2 整体监测系统框图 | 第37-38页 |
| 4．2 监测系统中的带通滤波器设计 | 第38-42页 |
| 4．2．1 对所选滤波器的设计要求及计算 | 第38-41页 |
| 4．2．1．1 高通滤波器设计 | 第39-40页 |
| 4．2．1．2 低通滤波器设计 | 第40-41页 |
| 4．2．2 带通滤波器的模拟及实现 | 第41-42页 |
| 4．3 采样频率 | 第42-44页 |
| 4．4 谐波监测中的神经网络 | 第44-49页 |
| 4．4．1 神经网络的结构 | 第44-45页 |
| 4．4．2 网络中训练样本的形成 | 第45-46页 |
| 4．4．3 神经网络的训练程序设计 | 第46-48页 |
| 4．4．4 训练的学习率的选择 | 第48-49页 |
| 4．5 仿真研究及结果 | 第49-55页 |
| 4．5．1 权值和阈值的训练结果 | 第49-54页 |
| 4．5．2 仿真结果 | 第54-55页 |
| 4．6 通过谐波监测结果控制谐波补偿装置 | 第55-57页 |
| 4．7 小结 | 第57-58页 |
| 5 结论与展望 | 第58-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-62页 |
