| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-21页 |
| 1.1 选题背景及意义 | 第10-11页 |
| 1.2 算法国内外研究现状 | 第11-14页 |
| 1.3 电能质量概述 | 第14-19页 |
| 1.3.1 电能质量基本概念 | 第14-15页 |
| 1.3.2 电能质量分类 | 第15页 |
| 1.3.3 电能质量现象描述 | 第15-18页 |
| 1.3.4 电能质量标准 | 第18-19页 |
| 1.4 本文研究的主要内容 | 第19-21页 |
| 第2章 原子分解及匹配追踪算法 | 第21-29页 |
| 2.1 引言 | 第21页 |
| 2.2 信号分解 | 第21-22页 |
| 2.3 原子分解 | 第22-25页 |
| 2.3.1 原子稀疏分解 | 第22-23页 |
| 2.3.2 Gabor过完备原子库 | 第23-24页 |
| 2.3.3 匹配追踪算法 | 第24-25页 |
| 2.3.4 算法的应用 | 第25页 |
| 2.4 原子分解在电力系统信号中的应用 | 第25-28页 |
| 2.4.1 前言 | 第25-26页 |
| 2.4.2 原子分解在电力信号分析中的应用 | 第26-27页 |
| 2.4.3 原子分解在电力信号分析中应用展望 | 第27-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第3章 基于改进原子分解算法的扰动信号分析 | 第29-45页 |
| 3.1 原子分解算法应用于电力信号的可行性分析 | 第29-30页 |
| 3.1.1 原子分解应用于电力扰动信号分析的优缺点 | 第29-30页 |
| 3.1.2 Gabor原子与电力扰动参量转化 | 第30页 |
| 3.2 现有匹配追踪算法优化方法及其评价 | 第30-36页 |
| 3.2.1 粒子群算法优化匹配追踪算法 | 第31-32页 |
| 3.2.2 遗传算法优化匹配追踪算法 | 第32-33页 |
| 3.2.3 蚁群算法优化匹配追踪算法 | 第33-34页 |
| 3.2.4 人工鱼群算法优化匹配追踪算法 | 第34-35页 |
| 3.2.5 模拟退火算法优化匹配追踪算法 | 第35-36页 |
| 3.2.6 现有改进算法的缺陷 | 第36页 |
| 3.3 基于扰动特征的Gabor原子库分类优化方法 | 第36-37页 |
| 3.3.1 类基波库 | 第37页 |
| 3.3.2 脉冲库 | 第37页 |
| 3.3.3 谐波库 | 第37页 |
| 3.3.4 振荡库 | 第37页 |
| 3.4 基于FFT频谱分析的匹配追踪优化方法 | 第37-40页 |
| 3.5 基于和声搜索算法的快速原子分解方法 | 第40-43页 |
| 3.5.1 和声算法概述 | 第40-41页 |
| 3.5.2 和声算法优化MP可行性分析 | 第41页 |
| 3.5.3 基于和声算法寻优的MP优化算法流程 | 第41-43页 |
| 3.6 本章小结 | 第43-45页 |
| 第4章 基于快速原子分解的电能质量扰动分类 | 第45-58页 |
| 4.1 前言 | 第45-46页 |
| 4.2 原子分解应用于电能质量扰动分类理论分析 | 第46-47页 |
| 4.3 基于快速原子分解的电能质量扰动信号分类流程 | 第47-48页 |
| 4.4 算例验证 | 第48-56页 |
| 4.4.1 单扰动模型仿真 | 第48-52页 |
| 4.4.2 复合扰动模型仿真 | 第52-55页 |
| 4.4.3 计算复杂度及收敛性仿真分析 | 第55-56页 |
| 4.5 本章小结 | 第56-58页 |
| 结论和展望 | 第58-60页 |
| 参考文献 | 第60-66页 |
| 致谢 | 第66-67页 |
| 附录A 攻读硕士学位期间发表的学术论文 | 第67-68页 |
| 附录B 攻读硕士学位期间参与的科研项目 | 第68页 |
