| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 选题背景与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 风电并网电能质量研究现状 | 第11-12页 |
| 1.2.2 电能质量扰动分析方法研究现状 | 第12-14页 |
| 1.3 课题来源与主要研究内容 | 第14-17页 |
| 1.3.1 课题来源 | 第14-15页 |
| 1.3.2 主要内容 | 第15页 |
| 1.3.3 章节安排 | 第15-17页 |
| 第二章 并网风电场引发的电网电能质量问题分析 | 第17-26页 |
| 2.1 电能质量的定义和分类 | 第17-19页 |
| 2.1.1 电能质量的定义 | 第17页 |
| 2.1.2 电能质量问题的分类 | 第17-19页 |
| 2.2 风电并网引发的电压波动和闪变问题的研究 | 第19-20页 |
| 2.2.1 电压波动与闪变的定义 | 第19页 |
| 2.2.2 风电并网引起电压波动与闪变的机理与原因分析 | 第19-20页 |
| 2.3 风电并网引发的谐波问题的研究 | 第20-21页 |
| 2.3.1 谐波的定义 | 第20页 |
| 2.3.2 风电场引发谐波问题的机理及原因分析 | 第20-21页 |
| 2.4 风电并网引发的电压偏差问题的研究 | 第21-23页 |
| 2.4.1 电压偏差的定义 | 第21页 |
| 2.4.2 风电场引发电压偏差的机理及原因分析 | 第21-23页 |
| 2.5 风电并网引发的其他电能质量问题的研究 | 第23页 |
| 2.6 风电并网电能质量扰动信号的采集 | 第23-25页 |
| 2.7 本章小结 | 第25-26页 |
| 第三章 基于小波包软阈值的风电并网电能质量扰动去噪 | 第26-40页 |
| 3.1 引言 | 第26-27页 |
| 3.2 小波变换理论 | 第27-29页 |
| 3.2.1 连续小波变换 | 第27-28页 |
| 3.2.2 离散小波变换 | 第28-29页 |
| 3.2.3 小波去噪原理 | 第29页 |
| 3.3 小波包变换理论 | 第29-31页 |
| 3.3.1 小波包变换 | 第29-30页 |
| 3.3.2 小波包去噪原理 | 第30-31页 |
| 3.4 几种常用的小波或小波包去噪方法 | 第31-33页 |
| 3.4.1 分解与重构法去噪 | 第31页 |
| 3.4.2 模极大值法去噪 | 第31-32页 |
| 3.4.3 阈值去噪法 | 第32-33页 |
| 3.5 基于阈值法的小波和小波包去噪 | 第33-35页 |
| 3.5.1 阈值函数的选取 | 第33-34页 |
| 3.5.2 基函数和分解层数的选取 | 第34页 |
| 3.5.3 去噪效果的评价标准 | 第34-35页 |
| 3.6 小波和小波包去噪仿真及分析 | 第35-39页 |
| 3.7 本章小结 | 第39-40页 |
| 第四章 基于提升复小波的风电并网电能质量扰动检测 | 第40-53页 |
| 4.1 引言 | 第40-41页 |
| 4.2 提升复小波理论基础 | 第41-42页 |
| 4.2.1 复小波变换 | 第41页 |
| 4.2.2 提升格式算法 | 第41-42页 |
| 4.3 提升复小波的实现设计 | 第42-45页 |
| 4.3.1 Euclidean分解算法原理 | 第42-43页 |
| 4.3.2 小波滤波器组分解与重构的多相表示 | 第43-44页 |
| 4.3.3 提升实现方案 | 第44-45页 |
| 4.4 DB4复小波的提升方案 | 第45-46页 |
| 4.5 基于提升复小波的风电并网电能质量扰动的检测分析 | 第46-52页 |
| 4.5.1 电能质量扰动检测步骤 | 第46-47页 |
| 4.5.2 仿真结果及分析 | 第47-52页 |
| 4.6 本章小结 | 第52-53页 |
| 第五章 基于粒子群优化支持向量机的风电并网电能质量扰动分类 | 第53-65页 |
| 5.1 引言 | 第53页 |
| 5.2 基于小波包变换的电能质量扰动特征值提取 | 第53-57页 |
| 5.2.1 小波包分解能量特征提取算法 | 第53-55页 |
| 5.2.2 小波包分解电能质量扰动特征提取 | 第55-57页 |
| 5.3 支持向量机基本原理 | 第57-61页 |
| 5.3.1 线性分类支持向量机 | 第58-59页 |
| 5.3.2 非线性分类支持向量机 | 第59-60页 |
| 5.3.3 核函数选取 | 第60-61页 |
| 5.4 粒子群算法优化核函数 | 第61-63页 |
| 5.4.1 粒子群算法概述 | 第61-62页 |
| 5.4.2 粒子群算法的优化过程 | 第62-63页 |
| 5.5 基于粒子群优化SVM参数的电能质量扰动识别仿真 | 第63-64页 |
| 5.6 本章小结 | 第64-65页 |
| 第六章 结论与展望 | 第65-67页 |
| 6.1 结论 | 第65-66页 |
| 6.2 展望 | 第66-67页 |
| 参考文献 | 第67-71页 |
| 致谢 | 第71-72页 |
| 个人简介、攻读硕士学位期间的学术成果及科研项目 | 第72页 |
