| 摘要 | 第1-7页 |
| Abstract | 第7-12页 |
| 第一章 绪论 | 第12-20页 |
| ·引言 | 第12-13页 |
| ·功角测量研究的历史和现状 | 第13-14页 |
| ·PMU配置方法综述 | 第14-18页 |
| ·考虑系统可观测性的PMU优化配置方法 | 第14-16页 |
| ·改进状态估计准确性的PMU配置方法 | 第16-17页 |
| ·考虑系统同调性的PMU配置方法 | 第17-18页 |
| ·考虑潮流方程直接可解的PMU配置方法 | 第18页 |
| ·课题研究的意义 | 第18-19页 |
| ·本文所做的工作 | 第19-20页 |
| 第二章 电力系统状态估计算法的研究 | 第20-28页 |
| ·电力系统状态估计简介 | 第20-21页 |
| ·状态估计的数学模型 | 第21-24页 |
| ·量测模型 | 第21页 |
| ·目标函数 | 第21-23页 |
| ·状态估计误差 | 第23-24页 |
| ·状态估计算法简介及比较 | 第24-25页 |
| ·基本加权最小二乘法 | 第24页 |
| ·快速分解法 | 第24-25页 |
| ·基于量测变换的状态估计算法 | 第25页 |
| ·上述三种方法的比较 | 第25-26页 |
| ·抗差最小二乘法 | 第26页 |
| ·基于卡尔曼滤波的逐次型状态估计 | 第26-27页 |
| 本章小结 | 第27-28页 |
| 第三章 基于提高状态估计精度的PMU配置的研究 | 第28-42页 |
| ·相角量测单元PMU简介 | 第28-29页 |
| ·线性状态估计基本算法的数学基础 | 第29-32页 |
| ·最小二乘法 | 第29-30页 |
| ·加权最小二乘法 | 第30-31页 |
| ·范数 | 第31页 |
| ·条件数 | 第31-32页 |
| ·加入相角测量单元PMU的状态估计 | 第32-35页 |
| ·加入PMU量测数据 | 第32-33页 |
| ·数学描述 | 第33页 |
| ·加权最小二乘状态估计求解 | 第33-34页 |
| ·直接替代法求解 | 第34-35页 |
| ·评价状态估计精度的指标 | 第35-36页 |
| ·量测误差方差矩阵 | 第36页 |
| ·算法验证 | 第36-41页 |
| ·加入PMU测量单元对状态估计精度的影响 | 第37-40页 |
| ·量测噪声对PMU放置的影响 | 第40页 |
| ·PMU配置的数量对状态估计精度的影响 | 第40-41页 |
| 本章小结 | 第41-42页 |
| 第四章 遗传算法在基于提高状态估计精度的PMU配置中的应用 | 第42-58页 |
| ·遗传算法概述 | 第42-45页 |
| ·遗传法的概念 | 第43-45页 |
| ·遗传算法的特点 | 第45-47页 |
| ·遗传算法的优点 | 第45-46页 |
| ·遗传算法的不足之处 | 第46-47页 |
| ·遗传算法与传统方法的比较 | 第47-49页 |
| ·遗传算法的基本用语 | 第49-51页 |
| ·遗传算法的应用 | 第51-53页 |
| ·遗传算法的适应度函数、编码和基因操作 | 第51-52页 |
| ·遗传算法流程 | 第52-53页 |
| ·算法验证 | 第53-56页 |
| ·枚举法寻优 | 第56-57页 |
| 本章小结 | 第57-58页 |
| 结论 | 第58-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 附录 | 第64-71页 |
| 攻读硕士学位期间发表的论文 | 第71页 |