| 摘要 | 第6-7页 |
| Abstract | 第7页 |
| 第1章 引言 | 第11-14页 |
| 1.1 课题研究背景 | 第11页 |
| 1.2 SCADA系统的简介 | 第11-12页 |
| 1.3 各种技术在电力系统故障诊断中的应用的发展历程 | 第12-13页 |
| 1.3.1 专家系统在电力系统的故障诊断中的应用 | 第12页 |
| 1.3.2 模糊理论在电力系统的故障诊断中的应用 | 第12-13页 |
| 1.3.3 神经网络在电力系统的故障诊断中的应用 | 第13页 |
| 1.4 本文研究的主要内容 | 第13-14页 |
| 第2章 SCADA系统的整体软硬件设计 | 第14-27页 |
| 2.1 SCADA系统的运行机制 | 第14页 |
| 2.2 设计SCADA系统的特点 | 第14页 |
| 2.3 SCADA系统的组成 | 第14页 |
| 2.4 SCADA系统的硬件设计 | 第14-19页 |
| 2.4.1 数据采集设备RTU | 第15-17页 |
| 2.4.1.1 RTU概念 | 第15-16页 |
| 2.4.1.2 RTU特点 | 第16页 |
| 2.4.1.3 RTU的发展阶段与发展趋势 | 第16-17页 |
| 2.4.2 数据通信设备 | 第17-19页 |
| 2.5 SCADA系统的软件设计 | 第19-26页 |
| 2.5.1 系统软件构架 | 第19-21页 |
| 2.5.1.1 操作系统 | 第20-21页 |
| 2.5.1.2 通讯系统 | 第21页 |
| 2.5.1.3 组态软件 | 第21页 |
| 2.5.1.4 应用软件 | 第21页 |
| 2.5.1.5 实时数据库 | 第21页 |
| 2.5.2 SCADA系统的两种网络模型 | 第21-23页 |
| 2.5.2.1 基于C/S模式的SCADA系统 | 第21-22页 |
| 2.5.2.2 基于B/S模式的SCADA系统 | 第22-23页 |
| 2.5.3 平台以及编程语言选择 | 第23-26页 |
| 2.5.3.1 .NET平台 | 第23-24页 |
| 2.5.3.2 VB语言 | 第24-25页 |
| 2.5.3.3 MATLAB | 第25-26页 |
| 2.6 本章小结 | 第26-27页 |
| 第3章 人工神经网络理论 | 第27-55页 |
| 3.1 人工神经网络概论 | 第27-35页 |
| 3.1.1 人工神经网络特征 | 第27-28页 |
| 3.1.2 人工神经网络模型 | 第28-31页 |
| 3.1.3 人工神经网络的分类 | 第31-33页 |
| 3.1.4 人工神经网络的学习规则 | 第33-35页 |
| 3.2 有导师神经网络 | 第35-51页 |
| 3.2.1 BP神经网络 | 第35-37页 |
| 3.2.2 BP学习算法 | 第37-38页 |
| 3.2.3 BP算法的不足 | 第38页 |
| 3.2.4 RBF神经网络 | 第38-40页 |
| 3.2.5 RBF神经网络的学习算法 | 第40-51页 |
| 3.2.6 RBF网络与BP网络比较 | 第51页 |
| 3.3 无导师神经网络 | 第51-54页 |
| 3.3.1 SOM神经网络 | 第52-53页 |
| 3.3.2 SOM神经网络的学习算法 | 第53-54页 |
| 3.4 本章小结 | 第54-55页 |
| 第4章 基于神经网络的电网故障诊断的实现 | 第55-72页 |
| 4.1 电网的故障分类 | 第55-57页 |
| 4.2 故障区域形成 | 第57-58页 |
| 4.3 人工神经网络在故障诊断中的应用 | 第58-70页 |
| 4.3.1 有导师神经网络在电网故障诊断中的应用 | 第58-66页 |
| 4.3.2 无导师神经网络在电网故障诊断中的应用 | 第66-70页 |
| 4.3.3 两种学习方式神经网络在电网故障诊断应用中的对比 | 第70页 |
| 4.4 本章小结 | 第70-72页 |
| 第5章 人机交互界面 | 第72-79页 |
| 结论 | 第79-81页 |
| 参考文献 | 第81-85页 |
| 攻读硕士学位期间发表的论文和获得的科研成果 | 第85-86页 |
| 致谢 | 第86-87页 |