智能信息处理在电网故障诊断中的应用

　　1 电网故障诊断概述
　　1.1 电网故障诊断的信息源和诊断内容
　　1.2 难点与展望
　　参考文献
　　2 基于粗糙集与量子神经网络的电网故障诊断
　　2.1 引言
　　2.2 粗糙集理论及其在电网故障诊断中的应用
　　2.3 量子神经网络在电网故障诊断中的应用
　　2.4 粗糙集和量子神经网络相结合的电网故障诊断方法
　　2.5 本章小结
　　参考文献
　　3 基于贝叶斯网络的电网故障诊断
　　3.1 引言
　　3.2 贝叶斯基本理论
　　3.3 基于贝叶斯网络的电网故障诊断方法
　　3.4 本章小结
　　参考文献
　　4 基于Petri网的电网故障诊断
　　4.1 引言
　　4.2 Petri网的理论基础
　　4.3 基于自适应模糊Petri网的故障诊断方法
　　4.4 基于方向性加权模糊Petri网的电网故障诊断方法
　　4.5 基于有色Petri网的电网故障诊断方法
　　4.6 本章小结
　　参考文献
　　5 基于二进制粒子群算法的电网故障诊断
　　5.1 引言
　　5.2 电网故障诊断的基本优化模型
　　5.3 电网故障诊断的改进优化模型
　　5.4 粒子群算法与二进制粒子群算法
　　5.5 基于二进制粒子群算法的电网故障诊断方法
　　5.6 小结
　　参考文献
　　6 输电线路故障类型识别
　　6.1 引言
　　6.2 基于粗神经网络的输电线路故障类型识别方法
　　6.3 基于ANFIS的输电线路故障类型识别方法
　　6.4 基于混合模糊Petri网的输电线路故障类型识别方法
　　6.5 基于行波固有频率的输电线路故障类型识别方法
　　参考文献
　　7 基于行波固有频率的输电线路故障测距
　　7.1 引言
　　7.2 理想单相传输线
　　7.3 理想三相输电线
　　7.4 有损三相传输线
　　7.5 不同故障方式下行波固有频率测距算法实现
　　7.6 典型算例仿真分析
　　7.7 算法应用展望
　　7.8 本章小结
　　参考文献
　　8 动态条件下输电线路故障测距
　　8.1 引言
　　8.2 理想单相传输线的测距原理
　　8.3 动态条件下输电线路的测距原理
　　8.4 相序变换及参数在线估计
　　8.5 动态故障测距算法与静态故障测距算法的比较
　　8.6 基于线路参数修正的同杆多回输电线路故障测距方法
　　8.7 动态条件下的T型输电线路故障测距算法
　　8.8 本章小结
　　参考文献

　　西南交通大学何正友教授带领团队长期从事输配电系统和牵引供电系统故障诊断与保护、牵引供电系统可靠性评估等方面的研究工作，取得了有价值的研究成果。近年来，他们以电力系统智能化发展为契机，取得了适应我国电力系统发展的故障诊断研究成果。《智能信息处理在电网故障诊断中的应用》是对这些创新成果的提炼和总结。其内容涵盖了电力系统故障诊断的信息、内容、难点与智能化方法。在电力系统故障元件确定方面，重点介绍了粗糙集与量子神经网络方法、贝叶斯与朴素贝叶斯方法、模糊与有色Petri网方法和二进制粒子群优化方法；在故障类型识别方面，重点介绍了粗神经网络方法、自适应神经模糊推理方法、混合模糊Petri网方法和行波固有频率方法；在故障定位（测距）方面，重点介绍了基于固有频率的单端行波故障测距方法和利用电气信号动态特性的动态故障测距方法。