| 中文摘要 | 第1-4页 |
| 英文摘要 | 第4-8页 |
| 1 绪论 | 第8-16页 |
| ·状态估计的提出及研究意义 | 第8-9页 |
| ·电力系统状态估计的用途 | 第9页 |
| ·电力系统状态估计的研究现状 | 第9-14页 |
| ·静态状态估计的研究现状 | 第10-12页 |
| ·动态状态估计的研究现状 | 第12-14页 |
| ·本文所做研究工作 | 第14-16页 |
| 2 最小二乘支持向量机和无迹卡尔曼滤波的原理 | 第16-33页 |
| ·引言 | 第16页 |
| ·加权最小二乘估计准则的应用 | 第16-18页 |
| ·静态状态估计中的应用 | 第16-17页 |
| ·动态状态估计中的应用 | 第17-18页 |
| ·支持向量机的基本理论 | 第18-26页 |
| ·统计学习理论 | 第18-20页 |
| ·支持向量机回归原理 | 第20-24页 |
| ·最小二乘支持向量机 | 第24-26页 |
| ·最小二乘支持向量机的特点 | 第26页 |
| ·卡尔曼滤波及无迹变换的基本理论 | 第26-32页 |
| ·非线性系统方程及变换 | 第26-27页 |
| ·离散EKF 算法模型 | 第27-28页 |
| ·离散UKF 算法模型 | 第28-31页 |
| ·UKF 和EKF 的性能比较 | 第31-32页 |
| ·本章小结 | 第32-33页 |
| 3 基于最小二乘支持向量机的静态状态估计 | 第33-49页 |
| ·引言 | 第33页 |
| ·LS-SVM 的状态估计模型 | 第33-37页 |
| ·交叉验证 | 第34页 |
| ·网格搜索 | 第34-35页 |
| ·参数选取步骤 | 第35页 |
| ·状态估计实现流程 | 第35-37页 |
| ·核参数鲁棒优化 | 第37页 |
| ·仿真实验与分析 | 第37-48页 |
| ·仿真概要 | 第37-39页 |
| ·算例仿真 | 第39-46页 |
| ·综合评价 | 第46-48页 |
| ·本章小结 | 第48-49页 |
| 4 基于自适应无迹卡尔曼滤波的动态状态估计 | 第49-65页 |
| ·引言 | 第49页 |
| ·EKF 中量测函数非线性项的作用 | 第49-50页 |
| ·自适应UKF 模型参数的确定 | 第50-52页 |
| ·状态转移函数的参数辨识 | 第50-51页 |
| ·系统噪声方差矩阵的辨识 | 第51-52页 |
| ·量测噪声方差矩阵的辨识 | 第52页 |
| ·动态状态估计模型 | 第52-54页 |
| ·仿真实验与分析 | 第54-64页 |
| ·仿真概要 | 第54-55页 |
| ·算例仿真 | 第55-63页 |
| ·综合评价 | 第63-64页 |
| ·本章小结 | 第64-65页 |
| 5 结论 | 第65-66页 |
| 致谢 | 第66-67页 |
| 参考文献 | 第67-72页 |
| 附录 | 第72-75页 |
| 附录A 作者在攻读硕士学位期间发表的论文目录 | 第72页 |
| 附录B 作者在攻读硕士学位期间作为主研人参加的科研项目 | 第72页 |
| 附录C IEEE14 和IEEE30 标准输电系统的网络参数 | 第72-75页 |