一、人工智能和数学变换用于电能质量的研究综述（论文文献综述）
王燕[1]（2021）在《电能质量扰动检测的研究综述》文中研究说明快速、准确、有效的电能质量扰动检测是电网故障分析与治理的前提和基础,在电力监测、电能质量评估及电网和用户的安全中扮演了重要角色。针对当前国内外相关研究成果进行整合归纳总结。首先,分析了电能质量扰动检测对象,归纳电能质量扰动检测的难点问题。其次,详细综述电能质量扰动检测方法的最新研究进展,将其分为时域分析、频域分析、时频域分析、参数估计、人工智能五大方面,并分别对这五个方面的方法进行讨论、对比分析各自利弊等。最后,指出暂态扰动及其组成的混合扰动检测方面存在的问题,并对今后的发展趋势进行展望。
王阳[2]（2021）在《基于小波变换和神经网络的电能质量扰动分析研究》文中认为随着工厂智能化变得越来越普遍,精密科技生产和高精度生产作业给电网带来了大量非线性负载和时变性电力负荷,造成了复杂的电能质量扰动问题。严重的电能质量扰动会存在巨大的安全隐患并带来不可挽回的经济损失。因此,进行电能质量扰动检测与分类,能够准确地找出电能质量扰动的问题所在并能够迅速解决变得尤为重要。本文分析针对电能质量扰动产生的原因和解决办法,根据现有的国内外电能质量扰动研究方法,在此基础上研究了基于小波变换和神经网络的电能质量扰动检测和分类方法。本文主要工作内容如下:首先本文分析和总结了电能质量两类常见问题,对现在国内外电能质量扰动检测和分类方法进行了阐述。对5种常见的暂态电能质量扰动进行了详细介绍建立了数学模型。介绍了基于小波变换的模极大值检测法,并分析了基于离散自适应小波的电能质量扰动检测算法,基于此分析选取了最适合检测电能质量扰动信号的小波函数,对5种常见暂态扰动进行了检测分析。之后对含噪扰动信号进行了去噪处理。通过分析BP神经网络的分类优势,对各类电能质量扰动信号首先进行小波变换,利用不同尺度下的小波能量分布的差异提取信号的特征矢量,将这些特征矢量输入到神经网络中,实现各类电能质量扰动的分类。通过对BP神经网络的不足进行改进优化,提升了电能质量扰动的分类效果。最后将小波变换和人工神经网络的方法进行融合,提出了一种用于谐波检测的小波神经网络。通过将小波函数设置为神经网络的激励传递函数,设计了一种新的神经网络结构,以满足谐波检测的要求,可以一次性获得基频,幅值,相位等参数。最后,通过仿真实验结果表明该方法是有效和准确的。
程郴[3]（2021）在《基于深度学习的电能质量扰动分类研究》文中认为随着配电系统和生产用户端对电能质量的要求越来越高,智能电网也在不断地完善和提高性能。为了改善电能质量并对各种扰动问题进行有效治理,首先就需要对电力系统中的扰动类型进行快速有效地分类。由于现有的电能质量扰动分类识别算法分析海量数据,识别精度不高,深度学习具有高效处理和识别优势,将深度学习应用到电能质量的扰动分类方面受到了众多研究人员的关注。论文首先介绍了电力系统中常见的几种扰动现象产生的机理和特征参数,接着对传统的电能质量扰动分类算法做了简单的阐述,包括各种算法的优缺点,并采用S变换和多级支持向量机（SVM）对电能质量扰动分类进行研究。然而,在传统识别算法过程中,由于电能质量数据量大、类别多,导致识别率低、运算量大速度慢。为了解决这个问题,本次通过深度学习中的卷积神经网络（CNN）对电能质量扰动进行分类,利用CNN强大的表征学习能力,将产生的信号输入到CNN模型中,进行自主学习对数据分类识别,有效避免了因人工经验提取特征产生的识别误差。然后,通过稀疏自编码与CNN结合的模型对电能质量扰动进行分类识别,利用稀疏自编码对产生电能质量的数据进行无监督学习,并对数据进行压缩降维,提取高维而稀疏表达的特征,将稀疏特征输入到CNN中进一步处理,用深度学习算法实现扰动分类过程。实验结果表明,以上两种自主分类和非监督学习的深度学习算法用于电能质量扰动分类具有良好的准确率和鲁棒性,而且稀疏自编码与CNN结合的模型比CNN模型的识别准确率更高。
刘嫣[4]（2021）在《电能质量扰动信号压缩采样与重构方法及其在造纸工业中的应用研究》文中提出电能质量扰动直接关系工业生产的用电品质和安全,对电能质量扰动进行监测具有重要的理论意义和广阔的应用前景。然而,长期、多点、在线、高频监测必然会形成电能质量扰动“数据池”,从而引发数据存储成本高、数据传输效率低等问题。压缩感知（Compressed Sensing,CS）技术是一种解决海量数据的信息处理工具,但当前的CS技术一般停留在理论研究层面,还存在压缩采样和重构方法不满足工程实际需求的问题。为攻克该技术在工程应用中的难题,本文围绕电能质量扰动信号压缩采样和重构方法开展应用技术基础理论和实验研究,并试图将研究成果应用于造纸工业供电网络的电能质量扰动信号监测中。论文的研究内容和贡献可总结为如下四个方面。（1）基于RD-AIC的观测矩阵构造及其性能分析研究。针对电能质量扰动连续信号的压缩采样和可靠重构问题,设计了基于随机解调模拟信息转换器（Random Demodulation Based on Analogy-to-Information Converter,RD-AIC）的压缩采样和重构方案,建立了研究RD-AIC不相关性和采样相位偏差性的观测矩阵模型,分析了伪随机序列周期、低通滤波器通带截止频率及其单位脉冲响应移位偏差对不相关性和采样相位偏差性的影响规律,并获得了提高重构精度和抗噪鲁棒性的RD-AIC参数设定方法。通过这些研究工作和实验结果表明,具有强不相关性和无采样相位偏差的RD-AIC不仅能高比例压缩采样连续信号,还具有良好的采样恢复精度和抗噪鲁棒性。（2）电能质量扰动信号的稀疏特性分析与改进重构算法研究。针对电能质量扰动信号在DFT字典下的重构实时性问题,推导了电能质量扰动信号的幅度谱解析表达式,获得了电能质量扰动信号在DFT字典下稀疏表示的科学依据,并由此提出一种基于频谱能量差的稀疏度自适应匹配追踪（Sparsity Adaptive Matching Pursuit,SAMP）改进算法。针对瞬时脉冲扰动信号在级联字典下的重构实时性问题,构造了含工频和瞬时脉冲原子的过完备级联字典,验证了该字典的有效性和抗噪鲁棒性,并提出了一种基于部分级联字典的正交匹配追踪（Orthogonal Matching Pursuit,OMP）改进算法。通过上述研究工作和实验结果表明,DFT字典下的SAMP改进算法和级联字典下的OMP改进算法,达到了提高电能质量扰动信号重构实时性的目的。（3）基于TCN理论的电能质量扰动信号重构算法研究。针对传统重构算法受限于电能质量扰动信号稀疏表示的问题,提出了基于时间卷积神经网络（Temporal Convolutional Network,TCN）理论的重构方案,建立了基于TCN理论的电能质量扰动信号重构模型,设计出一种具有非因果性和重构能力的TCN网络结构,构建了电能质量扰动原始和压缩数据集,并训练和测试了基于TCN的重构算法的可行性和有效性。通过上述理论和实验研究工作,探索出一种免稀疏表示的快速重构方法,不仅突破了传统重构算法的瓶颈,还达到了批量重构电能质量扰动信号的目的。（4）CS技术在造纸工业电能质量扰动信号监测中的应用研究。以高耗能流程工业中的典型代表一—造纸工业为应用背景,开展了 CS技术在造纸工业电能质量扰动信号监测中的应用研究。首先,分析了制浆造纸的主要生产工艺、先进生产技术、主要用电负荷与电能质量扰动的相互作用关系,由此给出谐波和电压暂降是造纸工业典型电能质量扰动的结论。其次,研制了用于造纸工业电能质量扰动信号的压缩采样和重构实验装置,并提出了一种基于CS技术的电能质量扰动信号监测优化方案。再三,谐波和电压暂降测试结果表明了 CS技术在应用中的有效性和优越性。通过以上研究工作,为CS技术在造纸工业电能质量扰动信号监测中的应用和推广奠定了基础。综上所述,针对电能质量扰动信号压缩采样与重构方法及其在造纸工业中的应用研究,本文主要开展了基于RD-AIC的观测矩阵的构造及其性能分析、基于DFT和级联字典的稀疏特性及其改进重构算法、基于TCN的重构算法等三个方面的理论研究工作,并将部分研究结果应用于造纸工业供电网络的电能质量扰动监测实验装置和优化方案中去。研究结果表明,本文所提方法能够有效改善CS技术的性能,能够满足工程应用对可靠性和实时性需求,并能促进CS技术在造纸工业电能质量扰动监测中的推广和应用。
邵祥[5]（2020）在《基于并网逆变器的微电网电能质量治理研究》文中研究说明伴随人类文明发展,电能逐渐成为各行各业赖以生存的基石,同时也是人类日常生活发展的生命线,由于世界各地多次大规模停电事故,煤炭石油等化石能源的匮乏,温室效应的严重性,电力专家为改善能源结构,保证供电质量,优化环境发展,大力推行综合清洁能源的微电网系统。事实证明这一举措大大改善了全球供电结构,然而随着微网接入配电网,多网融合飞速发展,许多技术问题丞待解决,其中较为显着的就是由于微网中分布式电源供电的间断性,大量电力电子开关器件的使用等等,会造成较为严重的电能质量问题。基于微网中电能质量的复杂性,本文提出了一种新型基于多功能并网逆变器（Multifunctional Grid-Tied Inverter,MFGTI）的微电网谐波和并网电流补偿方案,既实现了可再生能源的集成,又同时实现改善公共耦合点的电能质量功能,具有一定的经济性与可行性。本文深入分析了微网中逆变器工作原理与控制策略,发现对于多逆变器系统在电流变换的同时往往输出功率没有达到额定容量,结合逆变器数字可控特性,考虑使用数字信号处理（Digital signal processing,DSP）芯片对其进行控制,充分利用并网逆变器剩余容量来进行谐波与并网指令电流补偿,以摈弃传统的额外治理设备的参与,有相当程度的经济性。首先通过各种MFGTI拓扑研究与比较,得出被控对象离散域传递函数,进一步分析其系统特性,同时结合微网中分布式电源,负载,储能等装置充分了解微网并网与孤岛运行特性,总结各种逆变器控制策略。其次综合多方面研究了用于补偿的谐波参考电流分量检测算法,主要从时频转换,坐标转换,滤波器分解等方面综合比较,分析各种策略优缺点,总结得出基于傅里叶算法与瞬时无功功率理论的策略在精准度,系统设计,可行性更胜一筹,再综合考虑准确性,复杂度,数字实现,微网环境特性等给出基于克拉克变换的并网指令电流计算和基于离散傅里叶变换的改进谐波分量计算策略,理论研究表明该方法通过滑动窗频移和相位修正能准确选择性计算特定阶次谐波,同时节约大量计算量。最后由于比例谐振控制器（Proportional Resonant Controller）对于特定频率信号的优秀跟踪性能,综合研究设计了该控制器各项参数选择,延时补偿以及离散化数字实现。论文基于MATLAB/Simulink软件,设计微网并网运行模型,并从各次谐波分量,并网指令电流等方面仿真实验,结果表明本文提出的微网电能质量治理策略在高电流畸变条件下的有效性与经济性。
魏斌[6]（2020）在《交直流混合微电网能量管理策略研究及应用》文中研究说明随着分布式发电技术的广泛应用和负荷种类的增长,微电网技术得到了快速发展。交直流混合微电网兼具交流微电网和直流微电网的优势,不仅可以为多种交直流设备提供电能,减少电能损耗,而且是各类分布式发电单元大规模接入电网的优良载体。微电网能量管理可实现微电网的电能协调管理,维持动态功率平衡,提高可再生能源消纳比例,降低运行成本。相较于传统微电网,交直流混合微电网呈现交直流运行分区化、能量交互耦合化、源荷种类多样化和运行模式多元化等特征,使得交直流混合微电网的能量管理面临更为复杂的挑战。因此,交直流混合微电网能量管理是未来智能电网的重点研究内容与方向。高效合理的交直流混合微电网能量管理策略是保障交直流混合微电网安全稳定运行的基石,是充分实现经济效益的关键,对提升微电网附加值发挥着至关重要的作用。本文根据交直流混合微电网的结构特点和运行特性,针对其能量优化管理需求,对交直流混合微电网能量管理的模型和方法开展深入研究,本文的主要研究工作如下:针对现有研究中双向AC/DC功率变换器转换效率模型准确性差,影响调度经济性的问题,根据双向AC/DC功率变换器的工作特性和损耗特性,研究变换器转换效率与传输功率之间的定量关系,建立了双向AC/DC功率变换器动态转换效率模型,并将其应用于交直流混合微电网能量管理策略。仿真结果表明,该模型能够准确地反映变换器的运行状态,基于该模型的交直流混合微电网能量管理策略具有良好的经济性。针对交直流混合微电网调度的多重不确定性问题,提出一种基于多场景分析的多时间尺度随机能量管理策略。在日前调度阶段,以日运行成本最低为目标构建日前两阶段随机优化调度模型,运用多场景分析技术模拟风光和交直流负荷的不确定性,使日前调度计划在经济性的基础上,具备更好的鲁棒性。在日内滚动优化调度阶段,根据风电、光伏和交直流负荷的日内超短期预测值,以输出向量与目标向量差值最小和控制变量最小为目标构建基于模型预测控制的日内优化模型。该模型通过在线滚动优化结合反馈校正形成闭环优化,对各分布式电源和储能的日前计划进行滚动修正,并且将跟踪联络线交互功率日前计划值作为首要目标,从而在保障日前计划有效性的同时,避免影响上层电网的稳定运行。算例仿真表明,该策略有效避免了日前预测误差引发的日内运行成本上升,提高了交直流混合微电网日内运行的经济性、鲁棒性和接入电网的友好性。针对孤岛交直流混合微电网可调裕量有限,经济性和稳定性难以兼顾的问题,提出一种孤岛交直流混合微电网双模耦合能量管理策略。该策略为孤岛交直流混合微电网设定了经济模式和应急模式两种能量管理运行模式。两种运行模式以压频控制单元荷电状态为纽带进行切换,彼此耦合,紧密协调,具备常态经济运行,短时风险管控的能力。算例仿真结果验证了所提能量管理策略的有效性。开发了交直流混合微电网能量管理系统。首先,设计了交直流混合微电网能量管理系统的总体功能、系统架构和通信系统,介绍了能量管理系统的测量控制基本原理。其次,阐述了能量管理系统的软件开发,包含开发环境,软件架构和界面设计。最后依托交直流混合微电网实验平台,分别在开发的交直流混合微电网能量管理系统中实验验证了所提的交直流混合微电网并网能量管理策略和孤岛能量管理策略。验证结果表明了所提能量管理策略的有效性和可行性,开发的交直流混合微电网能量管理系统具有良好的工作性能。
张文海,肖先勇,汪颖[7]（2020）在《人工智能算法在电能质量领域的应用》文中研究表明系统地解决电能质量问题、实现对用户的优质供电,是电力系统高质量发展过程中的重要问题之一。针对电能质量问题的研究,涉及检测、识别、分析和治理控制等多个方面,人工智能算法作为当前最具应用潜力的技术之一,在数据分析处理、信息挖掘等方面具有较强分析能力,在解决电能质量相关问题上得到了大量的应用。对电能质量相关研究内容和人工智能方法进行了简要介绍,着重对近十年来人工智能算法在电能质量领域中的相关应用进行了综述和分析,为专家学者深入研究应用人工智能算法解决电能质量问题提供了参考。
冯磊[8]（2020）在《基于Multi-Agent的微电网能量管理策略研究》文中指出为减少温室气体的排放与化石能源的消耗,当今社会需开发利用清洁能源以解决环境与能源短缺问题。微电网作为多种可再生能源集成的可控供电系统,通过调度手段可以降低可再生能源的随机性与波动性,提高能源的利用率,是维持能源可持续发展的重要手段。为进一步提高微电网的经济性与灵活性,将多代理系统应用到微电网能量管理研究中,提出一种基于Multi-Agent系统的微电网能量管理策略,主要包括以下内容:（1）建立微电网的数学模型,分析微电网中的风力发电机、光伏发电机、燃气轮机、混合储能系统、负荷的运行特性与工作原理;然后简单描述微电网并网与离网两种运行模式下各设备之间的运行差异,最后对可再生能源发电与负荷预测算法进行简单分析。（2）考虑分布式能源存在波动性与随机性,构建基于Multi-Agent的混合储能协调管理策略,分为波动平抑和削峰填谷两种工作模式,其中波动平抑用于减小分布式能源存在的高频波动,提高微电网的电能质量,并对储能容量进行初始化,减小储能系统调度频次;削峰填谷主要用于减小能源随机性导致的功率不足与浪费,并实时检测储能系统的荷电状态,避免储能系统的过充与过放,提高供电的可靠性。（3）为减小微电网系统的运行成本,提高微电网中各设备对分布式能源输出功率的消纳能力,提出基于Multi-Agent系统的微电网双层能量管理策略。其中调度层是一个多时间尺度的经济最优化问题,以最小运行成本与电能浪费率为目标建立多目标优化模型,并利用改进的遗传算法求解出微电网一天的运行计划。控制层提出了混合储能与负荷调度的实时滚动优化策略,根据微电网的实际运行状态,以一小时为最大优化周期,对调度层的优化结果进行修正,并在分布式能源输出功率发生波动时,采用混合储能系统降低功率波动。通过双层能量管理策略指导微电网的优化运行,突出储能调度的灵活性与电价的激励作用,最后利用Matlab对双层能量管理策略进行仿真分析,通过对不同运行模式下的微电网进行管理优化,表明本文提出的双层能量管理策略不仅提高了系统运行的经济性还维持了功率平衡与电能质量,对微电网的可持续发展具有重要意义。
高永康[9]（2020）在《配电网混合动力系统电能质量分析及治理研究》文中提出随着分布式电源的并网,将为电网带来更多的电能质量问题。接入不同类型分布式电源及配电网不同运行状态下产生的电能质量扰动信号各不相同。本文首先搭建基于光伏、风机的IEEE配电网系统提取电能质量扰动信号,其次将对含分布式电源的配电网电能质量扰动进行分析。其中主要包含电能质量扰动检测、电能质量扰动分类、电能质量扰动治理三方面。在电能质量扰动检测方面:本文采用改进局部均值分解（LMD,local mean decomposition）算法对微电网中电能质量扰动进行检测。通过对单一、复合扰动信号时频域分析,验证了该算法具有较高精度,但改进中对于数据处理计算要求提高,提高了算法的运行时间。为克服该缺陷,本文提出了基于VMD初始化S变换的检测算法,利用变分模态分解（VMD,variational modal decomposition）可以设置迭代次数避免了LMD的缺点。通过对配电网9类扰动信号进行检测,发现该算法在配电网混合动力系统的电能质量（PQ,power qualiry）检测上更具优势,并为后续的PQ分类提供了初始信号。在电能质量扰动分类方面:对两种基于PQ扰动分类的算法应用进行了深入研究,探讨了不同分类算法的优劣长短。采用（FCM,fuzzy c-mean）模糊C均值聚类的数据初始化相对要求较低,只需提取部分主要特征信息即可完成准确的分类。利用去趋势波动分析进行PQ扰动分类,该算法具有较高的识别精度操作简单,在不使用传统分类器的情况下,利用二维或三维散点图可以很容易地解释PQ事件。在电能质量扰动治理方面:搭建了基于并联有源滤波器（SAPF,shunt active power filter）和动态电压调节器（DVR,dynamic voltage regulator）的混合动力治理系统,该混合动力治理系统包含光伏、风机,用以模拟新能源产生的PQ扰动。提出了一种与SAPF相结合的智能控制算法,使用人工智能技术进行管理,同时在光伏和风能系统中实现最大功率点跟踪（MPPT,maximun power point tracing）。利用模糊逻辑、神经网络和自适应神经模糊推理系统控制算法对SAPF的动态性能进行优化,对电能质量扰动进行治理。将线性、非线性负载输出侧谐波畸变率降至0.20%、2.05%,满足配电系统对于电能质量的要求。
刘香银[10]（2020）在《主动配电网暂态电能质量扰动实时监测方法研究》文中指出主动配电网（ADN）拥有主动控制技术,能够做到区域内“自给自足自治”,但内部含有大量灵活的分布式电源（DG）与电力电子器件,系统元素众多,线路共用情况较多,即使在主动治理发挥作用的情况下仍然存在着大量的电能质量问题,其中又以暂态电能质量扰动为甚,其对ADN的安全稳定性会产生很大的影响。若要对暂态电能质量扰动问题进行抑制和解决,就必须先做到对其的实时监测,而传统的监测方法很难达到ADN的实时性要求,亟需其他的实时监测方法。论文首先详细阐述了课题的背景与意义,并探讨了与ADN暂态电能质量扰动实时监测相关方法的研究现状与发展趋势,以及其产生机理与特征。其次,利用传统的小波变换（WT）分析方法实时检测ADN暂态电能质量扰动,观察其能否作为实时监测方法开发的一个载体,以为后续的理论算法做铺垫。而后,论文以WT为基础,以达到实时监测的要求为目的,分别针对于不同的研究对象提出不同的结合方法:将谱峭度与希尔伯特变换（HT）结合于WT中,给出其结合过程与形式,以实现对ADN暂态扰动的类型、幅值、频率等信息进行实时地辨识与提取;利用WT自身的模极大值特性,对ADN暂态扰动进行时间上的实时定位,提取出扰动时刻与持续时间,并在此理论基础上建立起电能质量扰动的数据库,以便进行数据匹配分析,从而在扰动发生时快速、准确地定位到扰动发生的位置。最后,论文还利用DSP技术,并通过硬软件设计,设计了简单的ADN,将前述理论结合于DSP技术,以赋予其实物验证。从论文中给出的仿真和实验来看,WT对于ADN暂态电能质量扰动的检测能起到一定的效果,但检测能力与速度有限;WT结合谱峭度与HT的算法能实时地辨识出扰动信号的类型、幅值、频率等信息,WT模极大值算法实时地定位了扰动发生时刻,而数据匹配分析思想利用在WT模极大值基础上建立起的数据库,成功定位了扰动发生的空间位置,这些结合算法耗时小、精确度高;以DSP技术为载体的实物验证支持了前述理论方法的有效性和可行性,能够用于ADN暂态电能质量扰动的实时监测。
二、人工智能和数学变换用于电能质量的研究综述（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、人工智能和数学变换用于电能质量的研究综述（论文提纲范文）
（1）电能质量扰动检测的研究综述（论文提纲范文）
| 0 引言 |
| 1 扰动检测对象及难点分析 |
| 2 电能质量扰动检测的方法研究 |
| 2.1 时域分析方法 |
| 1)奇异值分解 |
| 2)数学形态学 |
| 3)其他时域分析方法 |
| 2.2 频域分析方法 |
| 2.3 时频域分析方法 |
| 1)短时傅里叶变换 |
| 2)小波变换 |
| 3)小波包变换 |
| 4) S变换 |
| 5)希尔伯特-黄变换 |
| 6)局部均值分解、变分模态分解及希尔伯特振动分解 |
| 7)其他时频分析方法 |
| 2.4 参数估计方法 |
| 2.5 人工智能方法 |
| 3 结论及展望 |
（2）基于小波变换和神经网络的电能质量扰动分析研究（论文提纲范文）
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 课题研究的背景及意义 |
| 1.2 电能质量概述 |
| 1.3 暂态电能质量检测与分类方法的研究现状 |
| 1.3.1 暂态电能质量检测方法的研究现状 |
| 1.3.2 暂态电能质量分类方法的研究现状 |
| 1.4 本文的主要工作 |
| 2 基于小波变换的电能质量扰动检测研究 |
| 2.1 基于小波变换电能质量扰动信号检测原理 |
| 2.1.1 小波变换与信号奇异性表征 |
| 2.1.2 小波变换奇异性模极大值检测原理 |
| 2.2 基于小波变换的电能质量扰动仿真分析 |
| 2.2.1 基本小波函数的选取 |
| 2.2.2 仿真结果及分析 |
| 2.3 基于小波阈值法的去噪算法研究 |
| 2.3.1 小波阈值法去噪原理 |
| 2.3.2 小波去噪阈值估计 |
| 2.3.3 小波去噪阈值方法 |
| 2.3.4 仿真结果及分析 |
| 2.4 本章小结 |
| 3 基于小波变换和神经网络的电能质量扰动分类研究 |
| 3.1 人工神经网络概述 |
| 3.2 人工神经网络算法 |
| 3.2.1 网络各层节点的输入输出算法 |
| 3.2.2 BP学习算法 |
| 3.2.3 BP神经网络的不足及改进算法 |
| 3.3 基于小波变换和神经网络的电能质量扰动分类方法 |
| 3.3.1 特征矢量的提取 |
| 3.3.2 基于神经网络扰动分类算法 |
| 3.4 仿真结果及分析 |
| 3.5 本章小结 |
| 4 基于小波神经网络的谐波检测研究 |
| 4.1 问题的提出 |
| 4.2 小波神经网络基本原理 |
| 4.2.1 小波神经网络概述 |
| 4.2.2 小波神经网络基本结构 |
| 4.2.3 小波神经网络误差传播算法 |
| 4.2.4 小波神经网络的性质 |
| 4.3 小波神经网络的构建 |
| 4.3.1 输入层节点的确定 |
| 4.3.2 隐含层节点的确定 |
| 4.3.3 WNN训练算法 |
| 4.4 基于小波神经网络的谐波检测研究 |
| 4.4.1 小波神经网络结构 |
| 4.4.2 小波神经网络的训练 |
| 4.4.3 网络初始化 |
| 4.4.4 谐波检测 |
| 4.5 仿真结果及分析 |
| 4.6 本章小结 |
| 5 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 附录 |
| 附录Ⅰ本人在攻读学位期间所发表的论文及获奖 |
| 致谢 |
（3）基于深度学习的电能质量扰动分类研究（论文提纲范文）
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 课题研究背景 |
| 1.2 课题研究目的与意义 |
| 1.3 国内外研究现状 |
| 1.3.1 电能质量标准现状 |
| 1.3.2 电能质量扰动分类算法现状 |
| 1.4 论文章节安排 |
| 2 电能质量相关问题 |
| 2.1 电能质量定义 |
| 2.2 电能质量相关标准 |
| 2.2.1 国际电能质量标准 |
| 2.2.2 国内电能质量标准 |
| 2.3 常见电能质量扰动及其危害 |
| 2.3.1 谐波 |
| 2.3.2 电压波动与闪变 |
| 2.3.3 暂态脉冲 |
| 2.3.4 暂态振荡 |
| 2.3.5 短时电压变动 |
| 2.3.6 三相不平衡 |
| 2.3.7 噪声 |
| 2.4 电能质量扰动模型及仿真 |
| 3 基于S变换和多级 SVM 的电能质量扰动识别 |
| 3.1 电能质量特征提取算法 |
| 3.1.1 快速傅里叶和短时傅里叶变换 |
| 3.1.2 小波变换 |
| 3.1.3 S变换 |
| 3.1.4 数学形态学 |
| 3.2 电能质量扰动识别算法 |
| 3.2.1 径向基神经网络 |
| 3.2.2 支持向量机 |
| 3.3 基于S变换和多级SVM的电能质量扰动识别 |
| 3.3.1 算法研究 |
| 3.3.2 实验结果分析 |
| 4 基于卷积神经网络的电能质量扰动分类 |
| 4.1 卷积神经网络概述 |
| 4.2 卷积神经网络的结构 |
| 4.2.1 卷积层 |
| 4.2.2 池化层 |
| 4.2.3 全连接层 |
| 4.2.4 激活函数 |
| 4.3 深度学习框架 |
| 4.4 实验与分析 |
| 4.4.1 实验仿真 |
| 4.4.2 实验结果与分析 |
| 5 基于稀疏自编码器和卷积神经网络的电能质量扰动分类 |
| 5.1 自编码器的基本理论 |
| 5.1.1 自编码器 |
| 5.1.2 降噪自编码器 |
| 5.1.3 收缩自编码器 |
| 5.1.4 稀疏自编码器 |
| 5.2 基于稀疏自编码器和卷积神经网络的电能质量分类研究 |
| 5.3 实验结果与分析 |
| 6 总结与展望 |
| 6.1 研究总结 |
| 6.2 研究展望 |
| 参考文献 |
| 附录 |
| 致谢 |
（4）电能质量扰动信号压缩采样与重构方法及其在造纸工业中的应用研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 电能质量扰动问题概述 |
| 1.2.1 电能质量扰动现象及分类 |
| 1.2.2 电能质量扰动成因及危害 |
| 1.2.3 电能质量扰动数据及压缩 |
| 1.3 CS理论概述及研究现状 |
| 1.4 电能质量扰动信号的压缩采样与重构方法研究现状 |
| 1.4.1 压缩采样与重构方法的理论研究现状 |
| 1.4.2 压缩采样与重构方法的应用研究现状 |
| 1.4.3 当前存在的问题 |
| 1.5 论文研究内容及章节安排 |
| 2 基于RD-AIC的观测矩阵构造及其性能分析研究 |
| 2.1 传统观测矩阵模型及存在问题 |
| 2.2 RD-AIC的工作原理及其观测矩阵构造 |
| 2.2.1 RD-AIC的工作原理及压缩采样模型 |
| 2.2.2 基于RD-AIC的观测矩阵构造 |
| 2.3 基于RD-AIC的观测矩阵不相关性分析 |
| 2.3.1 不相关性判别定理 |
| 2.3.2 正交性和非奇异性分析 |
| 2.3.3 广义相关度计算及统计分析 |
| 2.4 基于RD-AIC的观测矩阵采样相位偏差分析 |
| 2.5 基于RD-AIC的压缩采样与重构方法的实验设计 |
| 2.5.1 实验设计 |
| 2.5.2 不同硬件参数下的重构性能对比 |
| 2.5.3 不同观测矩阵下的重构性能对比 |
| 2.6 RD-AIC的硬件设计指导原则 |
| 2.7 小结 |
| 3 电能质量扰动信号的稀疏特性分析与改进重构算法研究 |
| 3.1 电能质量扰动信号在DFT字典下的稀疏特性研究 |
| 3.1.1 DFT变换的数学描述 |
| 3.1.2 电能质量扰动信号的DFT变换 |
| 3.1.3 电能质量扰动信号的稀疏特性分析 |
| 3.2 基于DFT字典的SAMP改进算法研究 |
| 3.2.1 SAMP算法及其在DFT字典下的存在问题 |
| 3.2.2 改进算法思想及其实现框架 |
| 3.2.3 实验设计与性能对比 |
| 3.3 瞬时脉冲信号在级联字典下的稀疏特性研究 |
| 3.3.1 级联字典构造 |
| 3.3.2 瞬时脉冲信号在级联字典下的稀疏特性 |
| 3.4 基于部分级联字典的OMP改进算法研究 |
| 3.4.1 基于级联字典的OMP算法及其存在问题 |
| 3.4.2 改进算法思想及其实现框架 |
| 3.4.3 实验设计与性能对比 |
| 3.5 小结 |
| 4 基于TCN理论的电能质量扰动信号重构算法研究 |
| 4.1 TCN理论及其网络结构 |
| 4.1.1 因果卷积 |
| 4.1.2 膨胀卷积 |
| 4.1.3 残差链接 |
| 4.2 基于TCN的电能质量扰动信号重构算法设计 |
| 4.2.1 基于TCN的重构模型建立 |
| 4.2.2 基于TCN的重构算法网络结构设计 |
| 4.2.3 网络学习优化算法 |
| 4.3 基于TCN的电能质量扰动信号重构算法实现 |
| 4.3.1 电能质量扰动数据集建立 |
| 4.3.2 网络搭建、训练与测试 |
| 4.3.3 训练和测试结果 |
| 4.4 实验设计与性能对比 |
| 4.4.1 重构对比实验 |
| 4.4.2 数据分析与总结 |
| 4.5 小结 |
| 5 CS技术在造纸工业电能质量扰动监测中的应用研究 |
| 5.1 浆纸生产与电能质量扰动 |
| 5.1.1 浆纸生产工艺与先进制造技术 |
| 5.1.2 主要用电负荷与典型电能质量扰动 |
| 5.2 CS技术在电能质量扰动监测装置中的应用研究 |
| 5.2.1 实验装置总体设计方案 |
| 5.2.2 硬件设计与开发 |
| 5.2.3 软件设计与开发 |
| 5.2.4 实验装置联调与测试 |
| 5.2.5 实验设计 |
| 5.3 CS技术在电能质量扰动信号监测方案中的应用研究 |
| 5.3.1 现有监测方案及其存在问题 |
| 5.3.2 造纸工业用户电能质量扰动监测拓扑与优化方案 |
| 5.4 小结 |
| 6 总结与展望 |
| 6.1 全文工作总结 |
| 6.2 研究工作创新点 |
| 6.3 未来工作展望 |
| 致谢 |
| 参考文献 |
| 攻读学位期间取得的成果 |
（5）基于并网逆变器的微电网电能质量治理研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国内研究现状 |
| 1.2.2 国外研究现状 |
| 1.3 论文安排 |
| 第二章 多功能并网逆变器介绍 |
| 2.1 逆变器基本结构与运行方式 |
| 2.1.1 逆变器结构与拓扑 |
| 2.1.2 逆变器的并网与孤岛运行方式 |
| 2.1.3 逆变器的调制策略与系统控制 |
| 2.2 多功能并网逆变器数学模型与拓扑分析 |
| 2.2.1 LR滤波并网逆变器数学模型分型 |
| 2.2.2 LCL滤波并网逆变器数学模型分型 |
| 2.3 微电网逆变器综合控制策略 |
| 2.3.1 恒功率控制 |
| 2.3.2 恒压,恒频率控制 |
| 2.3.3 下垂控制 |
| 2.4 本章小结 |
| 第三章 多功能逆变器指令信号检测方法 |
| 3.1 谐波指令电流常用检测方法 |
| 3.1.1 基于瞬时无功功率理论的检测方法 |
| 3.1.2 基于傅里叶变换的检测方法 |
| 3.1.3 基于小波变换的检测方法 |
| 3.1.4 基于人工神经网络的检测方法 |
| 3.2 并网发电指令电流检测方法 |
| 3.3 基于离散傅里叶变换的改进谐波指令电流计算方法 |
| 3.3.1 滑动傅里叶变换方法 |
| 3.3.2 调制滑动傅里叶变换方法 |
| 3.3.3 调制任意步长滑动傅里叶变换方法 |
| 3.4 本章小结 |
| 第四章 多功能并网逆变器的跟踪控制器设计研究 |
| 4.1 指令信号跟踪策略简介 |
| 4.1.1 滞环比较法 |
| 4.1.2 三角波比较法 |
| 4.1.3 空间矢量调制跟踪方法 |
| 4.2 基于PR控制的指令信号跟踪方法 |
| 4.3 基于PR控制的跟踪控制器设计 |
| 4.3.1 PR控制器参数确定 |
| 4.3.2 PR控制器延时补偿与离散化方法 |
| 4.4 本章小结 |
| 第五章 电能质量协同控制系统仿真实验 |
| 5.1 基于多逆变器的微电网电能质量治理仿真模型搭建 |
| 5.1.1 多功能逆变器仿真模型 |
| 5.1.2 指令电流计算与跟踪仿真模型 |
| 5.2 基于多逆变器的微电网电能质量治理仿真研究 |
| 5.3 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 附录1 程序清单 |
| 附录2 攻读硕士学位期间撰写的论文 |
| 附录3 攻读硕士学位期间申请的专利 |
| 附录4 攻读硕士学位期间参加的科研项目 |
| 致谢 |
（6）交直流混合微电网能量管理策略研究及应用（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 微电网技术概述 |
| 1.2.1 微电网发展概况 |
| 1.2.2 微电网类型 |
| 1.2.3 交直流混合微电网发展概况 |
| 1.3 国内外研究现状 |
| 1.3.1 双向AC/DC功率变换器转换效率模型 |
| 1.3.2 并网交直流混合微电网能量管理策略 |
| 1.3.3 孤岛交直流混合微电网能量管理策略 |
| 1.4 拟解决的主要问题及本文主要工作 |
| 第二章 融合双向功率变换器动态转换效率的能量管理策略 |
| 2.1 引言 |
| 2.2 交直流混合微电网结构 |
| 2.3 分布式单元特性分析及建模 |
| 2.3.1 光伏发电模型 |
| 2.3.2 风力发电模型 |
| 2.3.3 燃料电池模型 |
| 2.3.4 锂电池模型 |
| 2.3.5 微电网与上层电网交互功率模型 |
| 2.4 双向AC/DC功率变换器动态转换效率模型 |
| 2.5 融合双向功率变换器动态转换效率的能量管理模型 |
| 2.6 算例分析 |
| 2.6.1 能量管理结果分析 |
| 2.6.2 转换效率模型对比分析 |
| 2.7 本章小结 |
| 第三章 基于多场景分析的多时间尺度随机能量管理策略 |
| 3.1 引言 |
| 3.2 随机优化方法 |
| 3.2.1 基于Here-And-Now策略的随机优化 |
| 3.2.2 基于Wait-And-See策略的随机优化 |
| 3.2.3 场景生成与削减 |
| 3.3 模型预测控制方法 |
| 3.3.1 预测模型 |
| 3.3.2 滚动优化 |
| 3.3.3 反馈校正 |
| 3.4 日前两阶段随机优化调度 |
| 3.4.1 基于多场景技术的随机性建模 |
| 3.4.2 目标函数 |
| 3.4.3 第一阶段约束条件 |
| 3.4.4 第二阶段约束条件 |
| 3.5 日内滚动优化调度 |
| 3.6 能量管理策略整体调度框架 |
| 3.7 算例分析 |
| 3.7.1 日前两阶段随机优化调度结果分析 |
| 3.7.2 日内滚动优化结果分析 |
| 3.7.3 整体策略效果分析 |
| 3.8 本章小结 |
| 第四章 孤岛交直流混合微电网双模耦合能量管理策略 |
| 4.1 引言 |
| 4.2 孤岛交直流混合微电网概述 |
| 4.3 双模耦合能量管理策略框架 |
| 4.4 经济运行模式 |
| 4.4.1 日前经济调度 |
| 4.4.2 日内随机预测控制 |
| 4.5 应急运行模式 |
| 4.6 算例分析 |
| 4.6.1 经济运行模式结果分析 |
| 4.6.2 应急运行模式结果分析 |
| 4.7 本章小结 |
| 第五章 交直流混合微电网能量管理系统的开发 |
| 5.1 引言 |
| 5.2 能量管理系统总体功能设计 |
| 5.3 能量管理系统架构与通信系统设计 |
| 5.4 能量管理系统测量控制基本原理 |
| 5.5 能量管理系统软件开发 |
| 5.5.1 能量管理系统软件开发环境 |
| 5.5.2 能量管理系统软件架构与界面设计 |
| 5.6 交直流混合微电网实验平台 |
| 5.6.1 拓扑结构与电气配置 |
| 5.6.2 运行方式与平台功能 |
| 5.7 交直流混合微电网能量管理策略实验验证 |
| 5.7.1 并网能量管理策略实验验证 |
| 5.7.2 孤岛能量管理策略实验验证 |
| 5.8 本章小结 |
| 第六章 总结和展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 攻读学位期间取得的科研成果 |
| 致谢 |
（7）人工智能算法在电能质量领域的应用（论文提纲范文）
| 0 引言 |
| 1 电能质量相关问题 |
| 2 人工智能发展历程及相关算法 |
| 2.1 专家系统 |
| 2.2 机器学习算法 |
| 3 人工智能算法在电能质量分析中的应用 |
| 3.1 人工智能算法在电力扰动检测分类中的应用 |
| 3.2 人工智能算法扰动原因识别中的应用 |
| 3.3 人工智能算法在扰动信息挖掘中的应用 |
| 3.4 人工智能算法在电能质量治理控制中的应用 |
| 3.5 其他方面的应用 |
| 4 结语 |
（8）基于Multi-Agent的微电网能量管理策略研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题背景及研究意义 |
| 1.2 国内外研究现状综述 |
| 1.2.1 微电网能量管理概述与现状 |
| 1.2.2 多代理技术应用现状 |
| 1.3 论文的主要研究内容 |
| 第二章 基于MAS的微电网能量管理策略理论基础 |
| 2.1 引言 |
| 2.2 MULTI-AGENT系统概述 |
| 2.3 微电网系统数学模型及特性分析 |
| 2.3.1 风力发电机 |
| 2.3.2 光伏发电机 |
| 2.3.3 微型燃气轮机 |
| 2.3.4 混合储能系统 |
| 2.3.5 负荷 |
| 2.4 微电网的运行模式 |
| 2.4.1 离网运行模式 |
| 2.4.2 并网运行模式 |
| 2.5 功率预测 |
| 2.6 本章小结 |
| 第三章 基于MAS的混合储能系统功率协调管理优化 |
| 3.1 引言 |
| 3.2 基于MAS的储能能量管理结构 |
| 3.3 平抑波动模式下的储能功率分配 |
| 3.4 初始化储能额定功率与容量 |
| 3.4.1 经济成本评估模型 |
| 3.4.2 功率与容量配置 |
| 3.5 储能削峰填谷模式下的功率协调分配 |
| 3.6 算例分析 |
| 3.6.1 平抑波动模式下的功率分配与容量优化 |
| 3.6.2 储能削峰填谷模式下的功率协调优化 |
| 3.7 本章小结 |
| 第四章 基于MAS的微电网双层能量管理策略 |
| 4.1 引言 |
| 4.2 基于MAS的微电网能量管理结构 |
| 4.3 微电网调度层多时段能量管理优化 |
| 4.3.1 优化目标 |
| 4.3.2 约束条件 |
| 4.3.3 调度变量 |
| 4.4 调度层优化求解 |
| 4.4.1 多目标优化问题数学形式 |
| 4.4.2 NSGA-Ⅱ算法及其改进 |
| 4.4.3 基于DNSGA-Ⅱ的微电网优化调度求解流程 |
| 4.5 计及储能系统与需求侧响应的滚动层优化策略 |
| 4.5.1 实时滚动优化方案 |
| 4.5.2 滚动优化层约束条件 |
| 4.5.3 储荷协同滚动优化 |
| 4.6 本章小结 |
| 第五章 微电网能量管理优化仿真分析 |
| 5.1 模型参数设置 |
| 5.2 并网运行模式仿真优化分析 |
| 5.3 离网运行模式仿真优化分析 |
| 5.4 结果分析 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 参考文献 |
| 在读期间公开发表的论文 |
| 致谢 |
（9）配电网混合动力系统电能质量分析及治理研究（论文提纲范文）
| 内容摘要 |
| abstract |
| 选题的依据与意义 |
| 国内外文献资料综述 |
| 1 绪论 |
| 1.1 课题研究的背景与意义 |
| 1.2 课题研究现状 |
| 1.3 本文的主要研究内容 |
| 2 配电网建模及电能质量扰动信号提取 |
| 2.1 配电网混合动系统建模 |
| 2.2 电能质量扰动信号提取及评价指标 |
| 2.3 本章小结 |
| 3 电能质量扰动检测 |
| 3.1 基于改进LMD算法的电能质量扰动检测 |
| 3.2 基于VMD初始化S变换的电能质量扰动检测 |
| 3.3 本章小结 |
| 4 电能质量扰动分类 |
| 4.1 基于FCM的电能质量扰动分类 |
| 4.2 基于DFA的电能质量扰动分类 |
| 4.3 本章小结 |
| 5 电能质量扰动治理 |
| 5.1 测试系统配置 |
| 5.2 控制策略 |
| 5.3 仿真验算 |
| 5.4 本章小结 |
| 6 总结与展望 |
| 参考文献 |
| 致谢 |
| 附录 :攻读硕士学位期间发表的部分学术论着 |
（10）主动配电网暂态电能质量扰动实时监测方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 主动配电网暂态电能质量问题研究现状与发展趋势 |
| 1.2.1 主动配电网的发展 |
| 1.2.2 主动配电网的框架结构 |
| 1.2.3 主动配电网暂态电能质量扰动实时监测方法研究现状 |
| 1.2.4 主动配电网暂态电能质量扰动实时定位方法 |
| 1.2.5 主动配电网暂态电能质量扰动实时辨识方法 |
| 1.2.6 暂态电能质量扰动实时监测的实现技术 |
| 1.3 论文的主要研究内容 |
| 第二章 主动配电网暂态电能质量扰动产生的机理与特征 |
| 2.1 主动配电网的电源及其特性分析 |
| 2.2 主动配电网电能质量扰动的特性 |
| 2.3 主动配电网暂态电能质量扰动的产生机理 |
| 2.4 本章小结 |
| 第三章 暂态电能质量扰动小波变换实时检测研究 |
| 3.1 小波变换的基本原理 |
| 3.1.1 连续小波变换 |
| 3.1.2 离散小波变换 |
| 3.1.3 复小波变换 |
| 3.1.4 Mallat快速小波变换 |
| 3.2 暂态电能质量扰动小波变换实时检测原理 |
| 3.2.1 幅值(峰值)实时检测原理 |
| 3.2.2 突变时刻实时检测原理 |
| 3.2.3 频率实时检测原理 |
| 3.3 仿真 |
| 3.3.1 电压短时变动实时检测仿真 |
| 3.3.2 电磁暂态实时检测仿真 |
| 3.4 本章小结 |
| 第四章 暂态电能质量扰动实时辨识与定位研究 |
| 4.1 小波变换及其谱峭度的基本理论 |
| 4.1.1 谱峭度的定义 |
| 4.1.2 短时傅里叶变换及其谱峭度原理 |
| 4.1.3 小波变换及其谱峭度原理 |
| 4.2 小波-希尔伯特变换的基本原理 |
| 4.2.1 希尔伯特变换的基本原理 |
| 4.2.2 黄变换的基本原理 |
| 4.2.3 小波-希尔伯特变换的实现形式 |
| 4.3 暂态电能质量扰动实时辨识原理 |
| 4.3.1 扰动类型辨识 |
| 4.3.2 扰动幅值辨识 |
| 4.3.3 扰动频率辨识 |
| 4.4 暂态电能质量扰动实时定位原理 |
| 4.4.1 时间定位 |
| 4.4.2 空间定位 |
| 4.5 仿真分析 |
| 4.5.1 类型辨识仿真 |
| 4.5.2 幅值辨识仿真 |
| 4.5.3 频率辨识仿真 |
| 4.5.4 时间定位仿真 |
| 4.5.5 空间定位仿真 |
| 4.6 本章小结 |
| 第五章 主动配电网暂态电能质量扰动实时监测的DSP实现技术研究 |
| 5.1 DSP实现的基本思想 |
| 5.2 硬件设计 |
| 5.3 软件设计 |
| 5.4 实验及其结果 |
| 5.5 本章小结 |
| 总结与展望 |
| 总结 |
| 展望 |
| 参考文献 |
| 致谢 |
| 附录A 攻读硕士学位期间发表的相关论文 |
| 附录B 攻读硕士学位期间参与的相关项目和奖项 |
四、人工智能和数学变换用于电能质量的研究综述（论文参考文献）
- [1]电能质量扰动检测的研究综述[J]. 王燕. 电力系统保护与控制, 2021(13)
- [2]基于小波变换和神经网络的电能质量扰动分析研究[D]. 王阳. 武汉纺织大学, 2021(08)
- [3]基于深度学习的电能质量扰动分类研究[D]. 程郴. 武汉纺织大学, 2021(08)
- [4]电能质量扰动信号压缩采样与重构方法及其在造纸工业中的应用研究[D]. 刘嫣. 陕西科技大学, 2021
- [5]基于并网逆变器的微电网电能质量治理研究[D]. 邵祥. 南京邮电大学, 2020(03)
- [6]交直流混合微电网能量管理策略研究及应用[D]. 魏斌. 太原理工大学, 2020(01)
- [7]人工智能算法在电能质量领域的应用[J]. 张文海,肖先勇,汪颖. 供用电, 2020(09)
- [8]基于Multi-Agent的微电网能量管理策略研究[D]. 冯磊. 山东理工大学, 2020(02)
- [9]配电网混合动力系统电能质量分析及治理研究[D]. 高永康. 三峡大学, 2020(06)
- [10]主动配电网暂态电能质量扰动实时监测方法研究[D]. 刘香银. 长沙理工大学, 2020(07)