| 中文摘要 | 第1页 |
| ABSTRACT | 第4-7页 |
| 第一章 引言 | 第7-14页 |
| ·课题的目的和意义 | 第7-8页 |
| ·现有的电力系统暂态稳定分析方法综述 | 第8-10页 |
| ·时域仿真法 | 第8页 |
| ·直接法 | 第8页 |
| ·模式识别的方法 | 第8-9页 |
| ·混合分析法 | 第9-10页 |
| ·基于PMU 的暂态稳定预测的新方法 | 第10页 |
| ·基于人工神经网络的电力系统暂态稳定分析综述 | 第10-13页 |
| ·人工神经网络基本原理及其在电力系统中的应用 | 第10-11页 |
| ·神经网络在暂态稳定预测中的应用综述 | 第11-13页 |
| ·本文的主要工作 | 第13-14页 |
| 第二章 基于 PMU 的初始特征集抽取和样本集的构造 | 第14-22页 |
| ·PMU 的引入及其优势 | 第14页 |
| ·基于PMU 的原始输入特征选择 | 第14-20页 |
| ·原始特征选择的原则 | 第14-15页 |
| ·输入特征描述 | 第15-20页 |
| ·训练样本集的构造 | 第20-22页 |
| 第三章 输入空间可分性分析 | 第22-30页 |
| ·引言 | 第22页 |
| ·多维空间的可视化 | 第22-26页 |
| ·非线性映射简介 | 第23-24页 |
| ·Sammon 算法 | 第24-25页 |
| ·利用Sammon 算法观察输入空间可分性 | 第25-26页 |
| ·基于类内类间离散度的分类判据 | 第26-30页 |
| ·用于可分性判据的类内类间距离 | 第26-27页 |
| ·分类判据定义 | 第27-30页 |
| 第四章 基于模拟退火算法的特征选择 | 第30-45页 |
| ·引言 | 第30-31页 |
| ·模拟退火算法 | 第31-39页 |
| ·模拟退火算法的引入 | 第31页 |
| ·算法框架 | 第31-32页 |
| ·算法接受准则 | 第32页 |
| ·冷却进度表 | 第32-35页 |
| ·模拟退火算法的描述 | 第35-37页 |
| ·改进的有记忆的模拟退火算法 | 第37-39页 |
| ·基于模拟退火算法的特征选择的实现 | 第39-42页 |
| ·应用于特征选择的模拟退火算法的参数设置 | 第39-41页 |
| ·模拟退火算法的具体实现 | 第41-42页 |
| ·算例分析 | 第42-45页 |
| 第五章 结论 | 第45-46页 |
| 参考文献 | 第46-49页 |
| 致谢 | 第49-50页 |
| 在学期间发表的学术论文和参加科研情况 | 第50页 |