| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 课题背景及研究意义 | 第10-11页 |
| 1.2 负荷频率控制的发展现状 | 第11-12页 |
| 1.3 电力系统的负荷频率控制技术 | 第12-16页 |
| 1.3.1 传统的负荷频率控制方法 | 第12-13页 |
| 1.3.2 神经网络控制在负荷频率控制中的应用 | 第13-14页 |
| 1.3.3 模糊神经网络在负荷频率控制中的应用 | 第14-15页 |
| 1.3.4 风力发电技术研究现状 | 第15-16页 |
| 1.4 本文的主要研究内容 | 第16-18页 |
| 第2章 基于云神经网络自适应逆系统的电力系统负荷频率控制研究 | 第18-32页 |
| 2.1 引言 | 第18页 |
| 2.2 互联电力系统的负荷频率控制模型 | 第18-19页 |
| 2.3 互联电力系统模型转换及离散化 | 第19-20页 |
| 2.4 基于云神经网络自适应逆控制的LFC实现 | 第20-24页 |
| 2.4.1 自适应逆控制的扰动消除原理 | 第20-22页 |
| 2.4.2 云神经网络 | 第22-24页 |
| 2.5 区域电力系统的云神经网络辨识器设计 | 第24-25页 |
| 2.6 区域电力系统逆模型云神经网络辨识器设计 | 第25-26页 |
| 2.7 仿真研究 | 第26-31页 |
| 2.8 本章小结 | 第31-32页 |
| 第3章 基于终端滑模模糊神经网络的电力系统负荷频率控制研究 | 第32-47页 |
| 3.1 引言 | 第32页 |
| 3.2 互联电力系统的负荷频率控制模型 | 第32页 |
| 3.3 自适应逆控制的扰动消除原理 | 第32-33页 |
| 3.4 终端滑模模糊神经网络 | 第33-36页 |
| 3.4.1 模糊神经网络的结构 | 第34-35页 |
| 3.4.2 梯度下降学习算法 | 第35-36页 |
| 3.4.3 终端滑模学习算法 | 第36页 |
| 3.5 基于终端滑模模糊神经网络自适应逆控制的LFC实现 | 第36-40页 |
| 3.5.1 区域电力系统的终端滑模模糊神经网络辨识器设计 | 第36-38页 |
| 3.5.2 区域电力系统逆模型模糊神经网络辨识器设计 | 第38-40页 |
| 3.6 仿真研究 | 第40-46页 |
| 3.7 本章小结 | 第46-47页 |
| 结论 | 第47-48页 |
| 参考文献 | 第48-52页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第52-53页 |
| 致谢 | 第53页 |
