基于神经网络的电力系统暂态稳定评估
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-18页 |
| 1.1 课题研究的背景及研究意义 | 第9-10页 |
| 1.2 电力系统暂态稳定评估方法概述 | 第10-14页 |
| 1.2.1 时域仿真法 | 第10-11页 |
| 1.2.2 直接法 | 第11-12页 |
| 1.2.3 人工智能方法 | 第12-14页 |
| 1.3 基于神经网络方法的暂态稳定评估概述 | 第14-16页 |
| 1.4 输入特征量的选择方法概述 | 第16-17页 |
| 1.5 本论文的主要工作 | 第17-18页 |
| 第二章 概率神经网络及径向基函数网络映射原理 | 第18-26页 |
| 2.1 概率神经网络原理 | 第18-20页 |
| 2.1.1 PNN模型 | 第18-19页 |
| 2.1.2 PNN的学习过程 | 第19-20页 |
| 2.2 径向基函数神经网络原理 | 第20-24页 |
| 2.2.1 RBF神经网络模型 | 第20-22页 |
| 2.2.2 RBF神经网络的学习过程 | 第22-23页 |
| 2.2.3 RBF网络与多层感知器网络的对比 | 第23-24页 |
| 2.3 两类网络比选 | 第24-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第三章 基于复合神经网络的暂态稳定评估方法 | 第26-35页 |
| 3.1 复合神经网络原理及总体结构 | 第26-28页 |
| 3.1.1 基于复合神经网络的暂态稳定评估原理 | 第26-27页 |
| 3.1.2 复合神经网络的结构 | 第27-28页 |
| 3.2 样本分类方法 | 第28-31页 |
| 3.2.1 PNN网络的样本分类方法 | 第28-29页 |
| 3.2.2 RBF网络的样本分类方法 | 第29-31页 |
| 3.3 复合神经网络的校核和修正 | 第31-32页 |
| 3.4 复合网络构建的整体流程及其性能指标 | 第32-34页 |
| 3.5 本章小结 | 第34-35页 |
| 第四章 输入特征量的选取方法 | 第35-47页 |
| 4.1 输入特征量的初选方法 | 第35-41页 |
| 4.1.1 输入特征量的类别 | 第35-36页 |
| 4.1.2 输入特征量的初选方法 | 第36-41页 |
| 4.2 基于灵敏度方法的输入特征量优选 | 第41-45页 |
| 4.2.1 特征量输入-输出灵敏度 | 第42-43页 |
| 4.2.2 灵敏度矩阵的数值求解方法 | 第43-44页 |
| 4.2.3 输入特征量的评价和优选方法 | 第44-45页 |
| 4.3 本章小结 | 第45-47页 |
| 第五章 计算实例 | 第47-57页 |
| 5.1 数据样本的获取 | 第47-48页 |
| 5.2 关键特征量选择方法 | 第48-50页 |
| 5.2.1 重要特征量分析 | 第48-50页 |
| 5.2.2 输入量选择方法对比分析 | 第50页 |
| 5.3 复合神经网络的性能分析 | 第50-56页 |
| 5.3.1 复合网络的训练过程 | 第51页 |
| 5.3.2 复合网络区分能力和预测误差 | 第51-53页 |
| 5.3.3 重叠边界和结果修正处理方法分析 | 第53-54页 |
| 5.3.4 118节点算例验证 | 第54-56页 |
| 5.4 本章小结 | 第56-57页 |
| 第六章 总结与展望 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 发表论文和参加科研情况说明 | 第63-64页 |
| 致谢 | 第64页 |
