智能配电网故障定位研究
| 中文摘要 | 第1-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第8-13页 |
| ·智能配电网的内涵 | 第8-10页 |
| ·智能配电网的主要技术 | 第8-9页 |
| ·建设智能配电网的作用与意义 | 第9-10页 |
| ·智能配电网的研究背景 | 第10-11页 |
| ·本文的研究意义 | 第11-12页 |
| ·本文做的主要工作 | 第12-13页 |
| 第二章 小电流接地系统故障过程分析及仿真 | 第13-31页 |
| ·小电流接地系统接地概述 | 第13-19页 |
| ·中性点不接地系统 | 第13-16页 |
| ·中性点经消弧线圈接地系统 | 第16-18页 |
| ·中性点直接接地系统 | 第18页 |
| ·中性点经高阻接地系统 | 第18-19页 |
| ·小电流接地系统暂态分析 | 第19-22页 |
| ·暂态电容电流 | 第20-21页 |
| ·暂态电感电流 | 第21页 |
| ·暂态接地电流 | 第21-22页 |
| ·基于MATLAB的馈线故障建模与仿真 | 第22-30页 |
| ·Simulink电力仿真软件包 | 第22页 |
| ·MATLAB仿真模型的建立 | 第22-24页 |
| ·故障的仿真分析 | 第24-27页 |
| ·不同接地时间对零序信号的影响 | 第27-30页 |
| ·本章小结 | 第30-31页 |
| 第三章 配电网故障定位系统的研究 | 第31-46页 |
| ·RBF神经网络 | 第31-34页 |
| ·RBF网络的模型 | 第31-32页 |
| ·RBF基函数 | 第32-33页 |
| ·RBF网络的学习算法 | 第33-34页 |
| ·支持向量机 | 第34-39页 |
| ·最优分类超平面 | 第35-37页 |
| ·支持向量机 | 第37-38页 |
| ·支持向量机的分类学习算法 | 第38-39页 |
| ·基于RBF网络的配电网故障定位系统研究 | 第39-43页 |
| ·输入层、隐含层与输出层的设计 | 第39-40页 |
| ·聚类中心初始值的选取 | 第40页 |
| ·样本数据的提取和制作 | 第40页 |
| ·用RBF网络对样本进行故障诊断 | 第40-43页 |
| ·基于支持向量机的配电网故障定位系统研究 | 第43-45页 |
| ·支持向量机的训练过程 | 第43-45页 |
| ·RBF神经网络和支持向量机的比较 | 第45页 |
| ·本章小结 | 第45-46页 |
| 第四章 智能配电网网架结构研究 | 第46-61页 |
| ·配电网网架结构的模型 | 第46-53页 |
| ·架空线路接线 | 第46-49页 |
| ·电缆接线的接线方式 | 第49-50页 |
| ·对配电网网架结构的改进 | 第50-53页 |
| ·配电网的可靠性分析 | 第53-57页 |
| ·配电网网架结构对供电的影响 | 第55-57页 |
| ·智能配电网的网架结构 | 第57-60页 |
| ·网群结构 | 第57-59页 |
| ·三分段四联络结构 | 第59页 |
| ·混合结构 | 第59-60页 |
| ·本章小结 | 第60-61页 |
| 第五章 智能电网的自愈技术 | 第61-70页 |
| ·小电流接地系统对智能配电网的影响 | 第61-65页 |
| ·基于支持向量机的智能配电网的故障定位系统研究 | 第65-67页 |
| ·智能配电网自愈控制 | 第67-69页 |
| ·本章小结 | 第69-70页 |
| 第六章 总结与展望 | 第70-72页 |
| ·总结 | 第70页 |
| ·展望 | 第70-72页 |
| 参考文献 | 第72-75页 |
| 附录1 | 第75-79页 |
| 附录2 | 第79-80页 |
| 致谢 | 第80-81页 |
| 发表论文和科研情况说明 | 第81-82页 |
