復(fù)雜電能質(zhì)量智能分析技術(shù)

目錄/CONTENTS
前言
基礎(chǔ)篇
第1章 緒論
1.1 電能質(zhì)量分析的背景及意義
1.1.1 研究背景
1.1.2 研究意義
1.2 國內(nèi)外研究現(xiàn)狀
1.2.1 電能質(zhì)量數(shù)據(jù)壓縮
1.2.2 電能質(zhì)量擾動(dòng)識(shí)別
1.2.3 電能質(zhì)量擾動(dòng)定位與參數(shù)分析
參考文獻(xiàn)

應(yīng)用篇
第2章 主動(dòng)配電網(wǎng)電能質(zhì)量信號(hào)高效壓縮
2.1 噪聲對(duì)歸一化距離閾值的影響
2.2 電能質(zhì)量信號(hào)噪聲估計(jì)
2.3 單類支持向量機(jī)
2.4 基于OCSVM與ND測度的電能質(zhì)量信號(hào)壓縮
2.5 仿真與實(shí)測信號(hào)壓縮實(shí)驗(yàn)
2.5.1 仿真實(shí)驗(yàn)
2.5.2 實(shí)測電能質(zhì)量數(shù)據(jù)壓縮實(shí)驗(yàn)
2.6 本章小結(jié)
參考文獻(xiàn)
第3章 基于多分辨率快速S變換的電能質(zhì)量分析技術(shù)研究
3.1 基于MFST的電能質(zhì)量擾動(dòng)信號(hào)處理
3.1.1 電能質(zhì)量擾動(dòng)信號(hào)概述及其數(shù)學(xué)模型
3.1.2 多分辨率S變換及其窗寬調(diào)整因子的確定
3.1.3 快速S變換原理
3.1.4 采用MFST的暫態(tài)擾動(dòng)信號(hào)處理
3.2 基于MFST的電能質(zhì)量擾動(dòng)信號(hào)特征提取
3.2.1 采用灰度級(jí)形態(tài)學(xué)高頻降噪的振蕩特征提取
3.2.2 擾動(dòng)特征提取
3.3 基于MFST的電能質(zhì)量擾動(dòng)信號(hào)識(shí)別實(shí)驗(yàn)
3.3.1 模式識(shí)別分類器設(shè)計(jì)
3.3.2 實(shí)驗(yàn)流程
3.3.3 仿真實(shí)驗(yàn)分析
3.3.4 實(shí)測數(shù)據(jù)分析
3.4 本章小結(jié)
參考文獻(xiàn)
第4章 基于時(shí)域壓縮特征提取的電能質(zhì)量分析技術(shù)研究
4.1 配電網(wǎng)系統(tǒng)的時(shí)-頻分析方法
4.1.1 配電網(wǎng)系統(tǒng)模型的建立
4.1.2 S變換
4.1.3 快速S變換
4.2 采用時(shí)-頻分割的改進(jìn)全局閾值降噪
4.2.1 電能質(zhì)量擾動(dòng)信號(hào)時(shí)-頻分割
4.2.2 圖像平滑改進(jìn)全局閾值
4.2.3 對(duì)比仿真實(shí)驗(yàn)
4.2.4 實(shí)驗(yàn)結(jié)果分析
4.3 基于快速S變換時(shí)域壓縮特征提取
4.3.1 快速S變換對(duì)擾動(dòng)信號(hào)分析
4.3.2 時(shí)域壓縮快速S變換
4.4 基于粒子群優(yōu)化極限學(xué)習(xí)機(jī)的擾動(dòng)識(shí)別
4.4.1 分類器的設(shè)計(jì)
4.4.2 擾動(dòng)識(shí)別準(zhǔn)確率分析
4.5 本章小結(jié)
參考文獻(xiàn)
第5章 基于頻域分割與局部特征選擇的電能質(zhì)量分析技術(shù)研究
5.1 基于OMFST的擾動(dòng)信號(hào)處理
5.1.1 S變換及其時(shí)-頻特性分析
5.1.2 OMFST及其時(shí)-頻特性分析
5.2 基于OMFST頻域分割的特征提取
5.2.1 電能質(zhì)量擾動(dòng)信號(hào)頻域分割
5.2.2 OMFST特征提取
5.3 基于CART算法的特征選擇與決策樹構(gòu)建
5.3.1 基于Gini指數(shù)的嵌入式特征選擇
5.3.2 基于剪枝方法的決策樹構(gòu)建
5.3.3 基于CART算法的電能質(zhì)量擾動(dòng)決策樹構(gòu)建
5.3.4 電能質(zhì)量擾動(dòng)識(shí)別實(shí)驗(yàn)流程
5.3.5 仿真實(shí)驗(yàn)分析
5.3.6 實(shí)測實(shí)驗(yàn)分析
5.4 本章小結(jié)
參考文獻(xiàn)
第6章 采用特征增強(qiáng)技術(shù)與隨機(jī)森林的電能質(zhì)量分析技術(shù)研究
6.1 基于特征增強(qiáng)技術(shù)的單類電能質(zhì)量擾動(dòng)特征提取
6.1.1 電能質(zhì)量擾動(dòng)信號(hào)灰度變換原理
6.1.2 圖像特征增強(qiáng)技術(shù)
6.1.3 仿真實(shí)驗(yàn)分析
6.2 基于隨機(jī)森林的單類電能質(zhì)量擾動(dòng)特征選擇與識(shí)別
6.2.1 基于貝葉斯優(yōu)化的隨機(jī)森林分類器構(gòu)建
6.2.2 基于Gini重要度分析的電能質(zhì)量擾動(dòng)特征選擇
6.2.3 仿真實(shí)驗(yàn)分析
6.3 本章小結(jié)
參考文獻(xiàn)
第7章 基于HS變換的電能質(zhì)量暫態(tài)擾動(dòng)檢測定位
7.1 采用HS變換的擾動(dòng)檢測方法
7.2 檢測定位效果分析
7.2.1 仿真信號(hào)建模
7.2.2 仿真擾動(dòng)信號(hào)分析與自動(dòng)檢測方法設(shè)計(jì)
7.2.3 不同幅值畸變度擾動(dòng)定位精度比較
7.2.4 不同噪聲環(huán)境下定位精度比較
7.2.5 其余參數(shù)對(duì)定位的影響
7.2.6 HS變換與S變換檢測對(duì)比
7.3 本章小結(jié)
參考文獻(xiàn)
第8章 基于多分辨率快速S變換的電能質(zhì)量擾動(dòng)信號(hào)參數(shù)檢測
8.1 擾動(dòng)參數(shù)檢測方法
8.1.1 短時(shí)擾動(dòng)的參數(shù)檢測方法
8.1.2 周期性擾動(dòng)的參數(shù)檢測方法
8.1.3 暫態(tài)擾動(dòng)的參數(shù)檢測方法
8.1.4 復(fù)合擾動(dòng)的參數(shù)檢測方法
8.2 參數(shù)檢測仿真實(shí)驗(yàn)
8.3 實(shí)測數(shù)據(jù)參數(shù)檢測
8.4 本章小結(jié)
參考文獻(xiàn)

高級(jí)篇
第9章 采用旋轉(zhuǎn)森林的電能質(zhì)量分析技術(shù)研究
9.1 基于時(shí)域壓縮多分辨率快速S變換的復(fù)合電能質(zhì)量擾動(dòng)特征提取
9.2 基于旋轉(zhuǎn)森林的復(fù)合電能質(zhì)量擾動(dòng)特征選擇與識(shí)別
9.2.1 旋轉(zhuǎn)森林算法
9.2.2 仿真實(shí)驗(yàn)分析
9.2.3 實(shí)測數(shù)據(jù)實(shí)驗(yàn)分析
9.3 本章小結(jié)
參考文獻(xiàn)
第10章 基于時(shí)域特征提取和輕量級(jí)梯度提升機(jī)的電能質(zhì)量分析技術(shù)研究
10.1 計(jì)及物聯(lián)網(wǎng)數(shù)據(jù)傳輸速率約束的電能質(zhì)量時(shí)域特征高效邊緣提取
10.1.1 物聯(lián)網(wǎng)數(shù)據(jù)傳輸速率約束
10.1.2 仿真實(shí)驗(yàn)分析
10.2 基于輕量級(jí)梯度提升機(jī)的電能質(zhì)量擾動(dòng)特征選擇與識(shí)別
10.2.1 LightGBM
10.2.2 仿真實(shí)驗(yàn)分析
10.3 實(shí)測數(shù)據(jù)實(shí)驗(yàn)分析
10.4 本章小結(jié)
參考文獻(xiàn)