| 1 引言 | 第1-14页 |
| ·变电站综合自动化研究现状 | 第6-8页 |
| ·本文的工程背景 | 第8-9页 |
| ·CAS2000系统概述 | 第9-11页 |
| ·人工智能 | 第11-12页 |
| ·本文的主要工作 | 第12-14页 |
| ·问题的提出 | 第12-13页 |
| ·本文的主要工作 | 第13-14页 |
| 2 人工神经网络原理 | 第14-23页 |
| ·人工神经网络概述 | 第14-18页 |
| ·神经元功能函数 | 第14-16页 |
| ·网络连接模型 | 第16-17页 |
| ·学习(训练)算法 | 第17-18页 |
| ·前向多层神经网络的网络结构及BP算法 | 第18-20页 |
| ·前向多层神经网络结构 | 第18-19页 |
| ·前向多层神经网络的BP算法 | 第19-20页 |
| ·人工神经网络计算机实现流程 | 第20页 |
| ·遗传优化人工神经网络 | 第20-21页 |
| ·本章小节 | 第21-23页 |
| 3 基于人工神经网络的自适应谐波检测 | 第23-30页 |
| ·自适应谐波电流检测工作机理 | 第23-25页 |
| ·基于ANN的自适应谐波电流检测电路 | 第25-26页 |
| ·网络模型的训练及检测 | 第26-27页 |
| ·仿真结果 | 第27-29页 |
| ·遗传优化神经网络训练与检测 | 第29页 |
| ·本章小结 | 第29-30页 |
| 4 基于人工神经网络的自适应距离保护 | 第30-46页 |
| ·基于ANN的继电保护主要特点和优越性 | 第30-32页 |
| ·基于ANN的自适应距离保护的提出 | 第32页 |
| ·基于人工神经网络的距离保护模型 | 第32-38页 |
| ·振荡识别子网络模型 | 第33-37页 |
| ·故障检测子网络 | 第37-38页 |
| ·网络模型的训练及检测 | 第38-42页 |
| ·训练样本举例及神经网络模型结构的确定 | 第39-41页 |
| ·检验样本及检验结果举例 | 第41-42页 |
| ·遗传优化神经网络训练与检测 | 第42-44页 |
| ·本章小结 | 第44-46页 |
| 5 基于人工神经网络的励磁涌流判别 | 第46-63页 |
| ·励磁涌流的产生原理 | 第46-50页 |
| ·励磁起始涌流(initial inrush) | 第47-49页 |
| ·电压恢复涌流(recovery inrush) | 第49页 |
| ·共振励磁涌流(sympathetic inrush) | 第49-50页 |
| ·基于ANN的励磁涌流判别模型建立 | 第50-56页 |
| ·二次谐波含量 | 第51页 |
| ·波形对称量 | 第51-52页 |
| ·三相低压侧电压 | 第52页 |
| ·励磁阻抗值 | 第52-56页 |
| ·网络模型的训练及检测 | 第56-60页 |
| ·遗传优化神经网络训练与检测 | 第60-62页 |
| ·本章小结 | 第62-63页 |
| 总结 | 第63-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-68页 |
| 附录A 遗传优化人工神经网络C语言程序 | 第68-79页 |
| 附录B operator.c | 第79-81页 |
| 附录C graph.c | 第81-93页 |