| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-13页 |
| 1.1 选题背景与意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.2.1 专家系统诊断方法 | 第10页 |
| 1.2.2 人工神经网络 | 第10页 |
| 1.2.3 粗糙集理论 | 第10-11页 |
| 1.2.4 贝叶斯网络 | 第11页 |
| 1.3 基于信息融合技术的故障诊断 | 第11页 |
| 1.4 论文的组织安排 | 第11-13页 |
| 第2章 配电网故障诊断数据源 | 第13-16页 |
| 2.1 数据采集与监视控制系统 | 第13-14页 |
| 2.2 广域测量系统 | 第14-15页 |
| 2.3 继电保护信息系统 | 第15页 |
| 2.4 故障录波信息系统 | 第15-16页 |
| 第3章 基于开关量的配电网故障诊断方法设计 | 第16-30页 |
| 3.1 基于粗糙集的属性约简算法建模 | 第17-21页 |
| 3.1.1 约简的重要性和标准 | 第17-18页 |
| 3.1.2 决策表约简 | 第18-19页 |
| 3.1.3 粗糙集理论 | 第19-20页 |
| 3.1.4 粗糙集约简模型 | 第20-21页 |
| 3.2 贝叶斯网络推理建模 | 第21-24页 |
| 3.2.1 贝叶斯定理 | 第21-22页 |
| 3.2.2 贝叶斯网络 | 第22页 |
| 3.2.3 贝叶斯网络推理模型 | 第22-24页 |
| 3.3 粗糙集和贝叶斯网络相结合的电网故障诊断方法设计 | 第24-29页 |
| 3.3.1 基本理论框架 | 第24-25页 |
| 3.3.2 继电保护原理 | 第25-26页 |
| 3.3.3 诊断算例分析 | 第26-29页 |
| 3.4 本章小结 | 第29-30页 |
| 第4章 基于电气量的配电网故障诊断方法设计 | 第30-37页 |
| 4.1 小波变换与小波能量谱分析 | 第30-31页 |
| 4.2 小波故障度 | 第31-32页 |
| 4.3 小波奇异度 | 第32-33页 |
| 4.4 小波能量度 | 第33页 |
| 4.5 算例分析 | 第33-36页 |
| 4.6 本章小结 | 第36-37页 |
| 第5章 多源信息融合的配电网故障诊断方法设计 | 第37-51页 |
| 5.1 数据网格支撑的故障数据采集方法 | 第37-40页 |
| 5.1.1 故障数据采集的网格体系结构 | 第37-39页 |
| 5.1.2 基于数据网格的分布式诊断框架 | 第39-40页 |
| 5.2 基于优化的D-S证据融合理论设计 | 第40-42页 |
| 5.3 模糊C-均值聚类算法设计 | 第42-44页 |
| 5.3.1 模糊C-均值算法理论 | 第42-43页 |
| 5.3.2 模糊C-均值聚类算法实现 | 第43-44页 |
| 5.4 诊断决策模型设计 | 第44-45页 |
| 5.5 基于多数据源信息融合的配电网故障诊断框架体系结构 | 第45-46页 |
| 5.6 电网故障算例分析 1 | 第46-48页 |
| 5.7 电网故障算例分析 2 | 第48-50页 |
| 5.8 本章小结 | 第50-51页 |
| 第6章 总结与展望 | 第51-53页 |
| 参考文献 | 第53-56页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第56-57页 |
| 致谢 | 第57页 |