摘要 | 第6-7页 |
ABSTRACT | 第7-8页 |
第1章 绪论 | 第11-18页 |
1.1 课题研究的背景与意义 | 第11-12页 |
1.2 电能质量扰动信号识别的国内外研究现状 | 第12-16页 |
1.2.1 电能质量扰动信号特征提取 | 第12-14页 |
1.2.2 电能质量扰动信号特征选择 | 第14页 |
1.2.3 电能质量扰动信号模式识别 | 第14-16页 |
1.3 本文的主要研究内容 | 第16-18页 |
第2章 基于特征增强技术的单类电能质量扰动特征提取 | 第18-32页 |
2.1 引言 | 第18页 |
2.2 电能质量扰动信号标准及数学模型 | 第18-21页 |
2.2.1 电能质量概述及标准 | 第18-20页 |
2.2.2 常见电能质量扰动信号数学模型 | 第20-21页 |
2.3 电能质量扰动信号灰度变换原理 | 第21-22页 |
2.4 图像特征增强技术 | 第22-25页 |
2.4.1 伽马校正 | 第22-23页 |
2.4.2 边缘检测 | 第23-24页 |
2.4.3 峰谷检测 | 第24-25页 |
2.5 仿真实验分析 | 第25-31页 |
2.5.1 基于图像处理技术的电能质量扰动信号处理 | 第25-29页 |
2.5.2 电能质量扰动信号特征提取 | 第29-31页 |
2.6 本章小结 | 第31-32页 |
第3章 基于随机森林的单类电能质量扰动特征选择与识别 | 第32-39页 |
3.1 引言 | 第32页 |
3.2 基于贝叶斯优化的随机森林分类器构建 | 第32-33页 |
3.2.1 随机森林分类理论 | 第32页 |
3.2.2 基于贝叶斯优化的随机森林 | 第32-33页 |
3.3 基于Gini重要度分析的电能质量扰动特征选择 | 第33-34页 |
3.3.1 特征Gini重要度计算原理 | 第33-34页 |
3.3.2 序列前向搜索策略 | 第34页 |
3.4 仿真实验分析 | 第34-38页 |
3.4.1 特征选择与特征分类能力分析 | 第34-37页 |
3.4.2 随机森林参数寻优与扰动识别 | 第37-38页 |
3.5 本章小结 | 第38-39页 |
第4章 基于时域压缩最优多分辨率快速S变换的复合电能质量扰动特征提取 | 第39-47页 |
4.1 引言 | 第39页 |
4.2 ST及 OMFST的时频特性分析 | 第39-41页 |
4.2.1 ST在电能质量扰动识别中的应用 | 第39-40页 |
4.2.2 OMFST在电能质量扰动识别中的应用 | 第40-41页 |
4.3 仿真实验分析 | 第41-46页 |
4.3.1 时域压缩OMFST的基本原理 | 第42页 |
4.3.2 时域压缩过程分析与仿真数据验证 | 第42-46页 |
4.4 本章小结 | 第46-47页 |
第5章 基于旋转森林的复合电能质量扰动特征选择与识别 | 第47-57页 |
5.1 引言 | 第47页 |
5.2 旋转森林算法 | 第47-48页 |
5.3 仿真实验分析 | 第48-53页 |
5.3.1 基于特征Gini重要度与SFS策略的电能质量扰动特征选择 | 第49-51页 |
5.3.2 基于旋转森林算法的电能质量扰动识别 | 第51-53页 |
5.4 实测数据实验分析 | 第53-55页 |
5.5 本章小结 | 第55-57页 |
结论 | 第57-58页 |
参考文献 | 第58-63页 |
攻读硕士学位期间发表的论文及其它成果 | 第63-64页 |
致谢 | 第64页 |