| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-19页 |
| 1.1 课题研究的背景及意义 | 第9-12页 |
| 1.1.1 配电网络典型特点及其综合评价的意义 | 第9-11页 |
| 1.1.2 配电网可靠性评价的意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-18页 |
| 1.2.1 配电网综合评估指标体系 | 第12-13页 |
| 1.2.2 综合决策算法 | 第13-15页 |
| 1.2.3 配电网可靠性算法 | 第15-18页 |
| 1.3 本论文的主要工作 | 第18-19页 |
| 第2章 配电网规划的综合效益评估指标体系 | 第19-52页 |
| 2.1 配电网规划的综合评价概述 | 第19-20页 |
| 2.2 指标体系设计准则 | 第20-21页 |
| 2.3 网架坚强性指标 | 第21-25页 |
| 2.4 供电可靠性指标 | 第25-28页 |
| 2.5 运行安全性指标 | 第28-34页 |
| 2.6 经济效益指标 | 第34-37页 |
| 2.7 可生长性指标 | 第37-39页 |
| 2.8 环境效益指标 | 第39-40页 |
| 2.9 算例分析 | 第40-51页 |
| 2.10 本章小结 | 第51-52页 |
| 第3章 基于改进AdaBoost.M1-SVM的有源配网可靠性快速评估方法 | 第52-71页 |
| 3.1 引言 | 第52页 |
| 3.2 相关性随机样本的获取-Nataf变换 | 第52-54页 |
| 3.3 机器学习在可靠性评估中的应用以及面临的问题 | 第54-57页 |
| 3.3.1 机器学习在可靠性评估中的应用概述 | 第54-55页 |
| 3.3.2 “误判”与“误判”样本对指标求解误差的影响 | 第55-56页 |
| 3.3.3 “误判”与“误判”样本对指标收敛性的影响 | 第56-57页 |
| 3.4 改进AdaBoost.M1-SVM算法 | 第57-62页 |
| 3.4.1 关联状态变量提取的互信息方法 | 第57-58页 |
| 3.4.2 改进Adaboost.M1-SVM集成分类算法 | 第58-62页 |
| 3.5 算例分析 | 第62-70页 |
| 3.5.1 算例系统简介 | 第62-63页 |
| 3.5.2 关联因素识别 | 第63-64页 |
| 3.5.3 改进分类器分类性能对比分析 | 第64-67页 |
| 3.5.4 算法耗时与指标仿真精确度分析 | 第67-69页 |
| 3.5.5 随机变量相关性强弱对配网可靠性的影响分析 | 第69-70页 |
| 3.6 本章小结 | 第70-71页 |
| 第4章 基于最大离差与最大系数熵的配网规划综合效益评估方法 | 第71-83页 |
| 4.1 引言 | 第71页 |
| 4.2 指标标准化 | 第71-72页 |
| 4.3 基于最大离差与最大系数熵的综合评估方法 | 第72-76页 |
| 4.4 算例分析 | 第76-82页 |
| 4.5 本章小结 | 第82-83页 |
| 第5章 总结与展望 | 第83-85页 |
| 5.1 总结 | 第83页 |
| 5.2 展望 | 第83-85页 |
| 参考文献 | 第85-92页 |
| 攻读硕士学位期间发表论文及科研成果 | 第92-93页 |
| 致谢 | 第93-94页 |
