| 致谢 | 第4-5页 |
| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 第一章 绪论 | 第13-25页 |
| 1.1 课题研究背景与意义 | 第13-17页 |
| 1.1.1 问题背景 | 第13页 |
| 1.1.2 暂态稳定、电压稳定问题的传统仿真方法 | 第13-16页 |
| 1.1.2.1 电力系统暂态稳定仿真 | 第14-15页 |
| 1.1.2.2 电力系统电压稳定仿真 | 第15-16页 |
| 1.1.3 本研究的意义 | 第16-17页 |
| 1.2 课题研究现状 | 第17-23页 |
| 1.2.1 基于机器学习算法的电力系统暂态稳定研究现状 | 第17-19页 |
| 1.2.2 网络嵌入算法研究现状及针对电网问题的适用性 | 第19-22页 |
| 1.2.2.1 网络嵌入算法研究现状 | 第19-21页 |
| 1.2.2.2 网络嵌入算法针对电网问题的适用性 | 第21-22页 |
| 1.2.3 基于机器学习的电力系统电压稳定研究现状 | 第22-23页 |
| 1.3 论文的主要工作 | 第23-25页 |
| 第二章 基于XGBoost算法的电力系统暂态稳定评估 | 第25-40页 |
| 2.1 引言 | 第25-26页 |
| 2.2 基于机器学习的TSA问题研究 | 第26-27页 |
| 2.2.1 电力系统的稳态电气量特征集 | 第26-27页 |
| 2.2.2 电力系统的暂态稳定后果评价 | 第27页 |
| 2.3 用于TSA问题的XGBoost算法 | 第27-31页 |
| 2.3.1 XGBoost算法 | 第27-29页 |
| 2.3.2 概率化输出 | 第29-30页 |
| 2.3.3 暂稳损失函数定义 | 第30-31页 |
| 2.4 数据集获取、评价指标及算法流程 | 第31-32页 |
| 2.5 算例分析 | 第32-38页 |
| 2.5.1 训练样本数量的确定 | 第33-34页 |
| 2.5.2 注意力系数对模型效果的影响 | 第34-35页 |
| 2.5.3 模型准确率与召回率 | 第35-37页 |
| 2.5.4 预测可靠程度评估 | 第37-38页 |
| 2.6 结论 | 第38-40页 |
| 第三章 基于网络嵌入与支持向量回归的电力系统节点故障暂态稳定评估 | 第40-57页 |
| 3.1 引言 | 第40-41页 |
| 3.2 用于暂态稳定评估问题的电网节点特征提取 | 第41-44页 |
| 3.2.1 节点故障暂稳后果问题特点 | 第41-42页 |
| 3.2.2 利用TADW算法提取电网节点特征 | 第42-44页 |
| 3.3 节点故障后暂态稳定后果评价以及样本集的建立 | 第44-45页 |
| 3.4 特征选择与支持向量回归算法 | 第45-48页 |
| 3.4.1 特征选择 | 第45-46页 |
| 3.4.2 基于支持向量回归模型的暂态稳定评估方法 | 第46-47页 |
| 3.4.3 节点故障暂态稳定评估算法流程图 | 第47-48页 |
| 3.5 算例分析 | 第48-55页 |
| 3.5.1 数据准备 | 第48页 |
| 3.5.2 超参数选择及模型训练 | 第48-52页 |
| 3.5.3 电网节点故障后暂稳后果评价及重要度排序 | 第52-55页 |
| 3.5.4 模型计算速度 | 第55页 |
| 3.6 结论 | 第55-57页 |
| 第四章 基于XGBoost算法的电力系统电压稳定评估 | 第57-68页 |
| 4.1 引言 | 第57-58页 |
| 4.2 基于机器学习的电压稳定评估问题 | 第58-60页 |
| 4.2.1 电力系统电压稳定裕度 | 第58-59页 |
| 4.2.2 电力系统的稳态特征集 | 第59页 |
| 4.2.3 样本的获取方法 | 第59-60页 |
| 4.3 电压稳定裕度的XGBoost算法建模 | 第60-61页 |
| 4.3.1 针对回归问题的原理 | 第60页 |
| 4.3.2 数据异常处理 | 第60-61页 |
| 4.3.3 针对VSM预测结果的评估指标 | 第61页 |
| 4.4 算例分析 | 第61-66页 |
| 4.4.1 数据准备 | 第61页 |
| 4.4.2 XGBoost算法与各类机器学习算法效果对比 | 第61-63页 |
| 4.4.3 模型计算速度 | 第63-64页 |
| 4.4.4 PMU测量错误对模型预测结果的影响 | 第64-65页 |
| 4.4.5 模型更新 | 第65-66页 |
| 4.5 结论 | 第66-68页 |
| 第五章 结论与展望 | 第68-70页 |
| 5.1 研究结论 | 第68-69页 |
| 5.2 研究展望 | 第69-70页 |
| 参考文献 | 第70-74页 |
| 作者简介 | 第74-75页 |
