| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 引言 | 第10-13页 |
| 1.1.1 电网黑启动的背景与意义 | 第10页 |
| 1.1.2 黑启动的相关概念 | 第10-11页 |
| 1.1.3 燃气轮机分布式供能系统黑启动 | 第11-13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.3 本文主要研究工作 | 第15-17页 |
| 第二章 黑启动技术问题仿真分析 | 第17-41页 |
| 2.1 黑启动技术问题概述 | 第17-19页 |
| 2.1.1 燃气轮机分布式供能系统黑启动场景分析 | 第17-18页 |
| 2.1.2 黑启动过程中的技术问题 | 第18-19页 |
| 2.2 黑启动过程中变压器励磁涌流的仿真分析 | 第19-25页 |
| 2.2.1 励磁涌流的机理和特点 | 第19-21页 |
| 2.2.2 黑启动过程中变压器励磁涌流的影响因素分析 | 第21-25页 |
| 2.3 黑启动过程中空载合闸级联变压器涌流的仿真分析 | 第25-32页 |
| 2.3.1 和应涌流的机理与特点 | 第26-27页 |
| 2.3.2 黑启动过程中空载合闸级联变压器涌流的影响因素分析 | 第27-32页 |
| 2.4 黑启动过程中线路合闸过电压的仿真分析 | 第32-40页 |
| 2.4.1 线路合闸操作过电压的机理和特点 | 第32页 |
| 2.4.2 黑启动过程中线路合闸过电压的影响因素分析 | 第32-40页 |
| 2.5 本章小结 | 第40-41页 |
| 第三章 燃气轮机分布式供能系统黑启动方案技术问题的快速校验 | 第41-59页 |
| 3.1 黑启动技术校验概述 | 第41-43页 |
| 3.2 神经网络 | 第43-47页 |
| 3.2.1 人工神经网络概述 | 第43-45页 |
| 3.2.2 BP神经网络 | 第45-47页 |
| 3.3 基于BP神经网络构建技术问题幅值快速预测模型 | 第47-51页 |
| 3.3.1 选择合适的特征输入和特征输出 | 第47-49页 |
| 3.3.2 形成训练和测试样本集 | 第49-50页 |
| 3.3.3 BP神经网络模型的训练与测试 | 第50-51页 |
| 3.3.4 确定神经网络的最佳结构 | 第51页 |
| 3.4 算例分析 | 第51-58页 |
| 3.4.1 BP神经网络技术问题快速校验模型算例分析 | 第51-56页 |
| 3.4.2 广州电网黑启动实际算例分析 | 第56-58页 |
| 3.4.3 算例小结 | 第58页 |
| 3.5 本章小结 | 第58-59页 |
| 第四章 燃气轮机分布式供能系统黑启动方案决策支持体系 | 第59-75页 |
| 4.1 黑启动决策概述 | 第59页 |
| 4.2 燃气轮机分布式供能系统黑启动方案优化与评估模型 | 第59-65页 |
| 4.2.1 目标函数 | 第60-62页 |
| 4.2.2 决策变量 | 第62-63页 |
| 4.2.3 约束集 | 第63-65页 |
| 4.3 多目标优化与多属性评估 | 第65-68页 |
| 4.3.1 多目标优化——群搜索优化算法 | 第65-66页 |
| 4.3.2 多属性决策——证据推理法 | 第66-68页 |
| 4.4 算例分析 | 第68-74页 |
| 4.4.1 算例基本数据 | 第68-70页 |
| 4.4.2 算例结果分析 | 第70-74页 |
| 4.5 本章小结 | 第74-75页 |
| 第五章 结论与展望 | 第75-77页 |
| 5.1 本文结论 | 第75-76页 |
| 5.2 研究展望 | 第76-77页 |
| 参考文献 | 第77-82页 |
| 攻读硕士学位期间取得的研究成果 | 第82-83页 |
| 致谢 | 第83-84页 |
| 附件 | 第84页 |
