| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题背景及研究意义 | 第10-11页 |
| 1.2 国内外输电线路分类方法的相关研究与现状 | 第11-14页 |
| 1.2.1 输电线路故障分类方法的研究现状 | 第11-12页 |
| 1.2.2 经验小波变换理论在电力系统的研究现状 | 第12-13页 |
| 1.2.3 神经网络在输电线故障分类中的研究现状 | 第13-14页 |
| 1.3 论文的主要研究内容 | 第14-16页 |
| 第2章 基于经验小波变换的输电线故障暂态电流的研究 | 第16-31页 |
| 2.1 引言 | 第16页 |
| 2.2 经验小波变换 | 第16-22页 |
| 2.2.1 瞬时频率 | 第16-17页 |
| 2.2.2 固有模态函数 | 第17页 |
| 2.2.3 经验模态分解算法 | 第17-19页 |
| 2.2.4 经验小波变换算法 | 第19-22页 |
| 2.3 仿真信号比较 | 第22-27页 |
| 2.4 故障暂态电流的经验小波变换 | 第27-30页 |
| 2.5 本章小结 | 第30-31页 |
| 第3章 基于经验小波变换的输电线路故障特征提取 | 第31-43页 |
| 3.1 引言 | 第31页 |
| 3.2 三相暂态电流边际谱区域能量特征提取 | 第31-36页 |
| 3.2.1 Hilbert时频谱与Hilbert边际谱 | 第31-33页 |
| 3.2.2 三相暂态电流边际谱故障特征提取 | 第33-36页 |
| 3.3 三相暂态电流时频域累积能量特征提取 | 第36-38页 |
| 3.4 三相电流暂态分量能量系数特征提取 | 第38-40页 |
| 3.5 基于经验小波变换联合故障特征向量提取的流程及步骤 | 第40-41页 |
| 3.6 本章小结 | 第41-43页 |
| 第4章 基于蜂群算法优化的学习矢量量化神经网络 | 第43-56页 |
| 4.1 引言 | 第43页 |
| 4.2 BP神经网络 | 第43-44页 |
| 4.3 学习矢量量化神经网络理论 | 第44-47页 |
| 4.3.1 学习矢量量化神经网络模型 | 第44-45页 |
| 4.3.2 学习矢量量化神经网络学习算法 | 第45-47页 |
| 4.3.3 学习矢量量化神经网络学习算法的特点 | 第47页 |
| 4.4 基于蜂群算法优化的学习矢量量化的故障分类器设计 | 第47-50页 |
| 4.4.1 人工蜂群算法简介 | 第47-48页 |
| 4.4.2 输电线路诊断模型的设计 | 第48-50页 |
| 4.5 仿真算例 | 第50-55页 |
| 4.6 本章小结 | 第55-56页 |
| 第5章 基于EWT-ABC-LVQ的输电线路故障分类 | 第56-68页 |
| 5.1 引言 | 第56页 |
| 5.2 输电线路短路故障特征分析 | 第56-57页 |
| 5.3 基于EWT-ABC-LVQ的输电线路故障诊断模型 | 第57-61页 |
| 5.3.1 EWT-ABC-LVQ输电线路故障分类器的建立 | 第57-59页 |
| 5.3.2 输电线故障分类的具体步骤 | 第59-61页 |
| 5.4 仿真算例 | 第61-67页 |
| 5.4.1 输电线路系统模型 | 第61页 |
| 5.4.2 故障样本数据库的建立 | 第61-62页 |
| 5.4.3 仿真结果及分析 | 第62-67页 |
| 5.5 本章小结 | 第67-68页 |
| 结论 | 第68-70页 |
| 参考文献 | 第70-75页 |
| 致谢 | 第75页 |
