| 摘要 | 第7-8页 |
| Abstract | 第8-9页 |
| 第1章 绪论 | 第12-17页 |
| 1.1 课题的研究背景与意义 | 第12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 电网故障诊断研究现状 | 第12-14页 |
| 1.2.2 D-S证据理论在故障诊断中的应用研究现状 | 第14-15页 |
| 1.3 本文的研究内容和思路 | 第15页 |
| 1.4 论文的结构安排 | 第15-17页 |
| 第2章 贝叶斯网络理论和D-S证据理论 | 第17-24页 |
| 2.1 贝叶斯网络理论知识 | 第17-18页 |
| 2.1.1 概率论基础知识 | 第17页 |
| 2.1.2 贝叶斯定理 | 第17-18页 |
| 2.1.3 贝叶斯概率推理 | 第18页 |
| 2.2 贝叶斯网络理论和方法 | 第18-20页 |
| 2.2.1 贝叶斯网络模型 | 第18-19页 |
| 2.2.2 贝叶斯网络的构造 | 第19页 |
| 2.2.3 贝叶斯网络的推理 | 第19-20页 |
| 2.3 D-S证据理论 | 第20-23页 |
| 2.3.1 证据理论的基本原理 | 第20-21页 |
| 2.3.2 Dempster组合规则 | 第21-22页 |
| 2.3.3 证据理论现有的改进方法 | 第22-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第3章 高冲突证据融合方法的改进 | 第24-31页 |
| 3.1 高冲突证据组合存在的问题 | 第24-25页 |
| 3.2 改进的证据修正组合 | 第25-28页 |
| 3.3 算例分析及结果 | 第28-30页 |
| 3.4 本章小结 | 第30-31页 |
| 第4章 基于贝叶斯网络与D-S证据理论的分布式电网故障诊断 | 第31-52页 |
| 4.1 高压电网保护配置、动作原理及常见故障 | 第31-32页 |
| 4.2 基于贝叶斯网络的电网故障诊断 | 第32-43页 |
| 4.2.1 故障区域识别 | 第32-34页 |
| 4.2.2 贝叶斯网络模型的构建与赋值 | 第34-37页 |
| 4.2.3 电气量故障特征提取 | 第37-40页 |
| 4.2.4 故障识别 | 第40-41页 |
| 4.2.5 诊断流程 | 第41-43页 |
| 4.3 实验结果与分析 | 第43-51页 |
| 4.3.1 GeNIe软件介绍 | 第43页 |
| 4.3.2 诊断实例1 | 第43-47页 |
| 4.3.3 诊断实例2 | 第47-49页 |
| 4.3.4 诊断实例3 | 第49-51页 |
| 4.4 本章小结 | 第51-52页 |
| 第5章 结论与展望 | 第52-53页 |
| 参考文献 | 第53-57页 |
| 致谢 | 第57-58页 |
| 附录A 攻读学位期间发表论文、实习期间参与项目 | 第58页 |