摘要 | 第1-6页 |
ABSTRACT | 第6-10页 |
1 绪论 | 第10-17页 |
·课题研究背景及意义 | 第10页 |
·电力系统暂态稳定评估 | 第10-14页 |
·电力系统暂态稳定概念 | 第10-11页 |
·电力系统暂态稳定分析评估方法简介 | 第11-14页 |
·基于支持向量机的暂态稳定评估方法研究现状 | 第14-15页 |
·论文工作 | 第15-17页 |
2 初始输入特征提取与样本集构造 | 第17-28页 |
·引言 | 第17页 |
·基于 BPA的电力系统暂态稳定仿真 | 第17-21页 |
·BPA软件包简介 | 第17-18页 |
·BPA仿真 | 第18-21页 |
·BPA潮流计算 | 第19页 |
·BPA稳定计算 | 第19页 |
·原始数据生成 | 第19-21页 |
·特征选择 | 第21-27页 |
·特征变量的分类及具体描述 | 第21-25页 |
·暂态稳定评估系统输入特征量的运行方式的选取 | 第25页 |
·稳定结果的产生 | 第25页 |
·最终样本构造 | 第25-27页 |
·本章小结 | 第27-28页 |
3 基于支持向量机的暂态稳定评估 | 第28-43页 |
·引言 | 第28页 |
·支持向量机理论 | 第28-32页 |
·机器学习的基本概念 | 第28-29页 |
·最优分类超平面 | 第29-30页 |
·支持向量分类机 | 第30-31页 |
·核函数 | 第31-32页 |
·基于 SVM的TSA算法描述 | 第32-33页 |
·LIBSVM分类系统 | 第33-34页 |
·LIBSVM分类器设计仿真 | 第34-39页 |
·分类器预设计 | 第34-36页 |
·缩放(Scale) | 第35页 |
·交互检验(cross validation) | 第35页 |
·训练和预测(train and prediction) | 第35-36页 |
·训练参数选择 | 第36-38页 |
·模型参数对 SVM分类性能的影响 | 第36-37页 |
·ROC(Receive Operating Characteristic)曲线 | 第37-38页 |
·SVM系统的性能评价指标 | 第38-39页 |
·仿真结果及分析 | 第39-42页 |
·样本集选择 | 第39页 |
·参数选择过程及分析 | 第39-42页 |
·系统评估 | 第42页 |
·本章小结 | 第42-43页 |
4 基于模糊支持向量机的暂态稳定评估 | 第43-55页 |
·引言 | 第43页 |
·模糊理论 | 第43-45页 |
·模糊支持向量机理论 | 第45-47页 |
·模糊支持向量构建 | 第45-47页 |
·模糊隶属度的产生 | 第47页 |
·基于 FSVM的电力系统暂态稳定评估实现 | 第47-54页 |
·基于 FSVM的分类实现 | 第47-49页 |
·分类器设计 | 第49-50页 |
·设计流程 | 第49页 |
·模糊隶属度的选择 | 第49-50页 |
·算例仿真及其结果分析 | 第50-54页 |
·样本集选择 | 第50页 |
·参数选择 | 第50-51页 |
·基于 FSVM的 TSA程序实现 | 第51-52页 |
·FSVM系统的性能评价指标 | 第52-54页 |
·本章小结 | 第54-55页 |
5 基于 ADABOOST算法的支持向量机暂态稳定评估 | 第55-64页 |
·引言 | 第55页 |
·ADABOOST算法简介 | 第55-58页 |
·Boosting算法 | 第55-56页 |
·AdaBoost算法 | 第56-57页 |
·AdaBoost算法生成强分类器 | 第57-58页 |
·基于 ADABOOST算法的支持向量机暂态稳定评估 | 第58-62页 |
·分类器设计 | 第59-60页 |
·算例仿真及其结果分析 | 第60-62页 |
·样本及参数选择 | 第60页 |
·SVM系统的性能评价指标 | 第60-61页 |
·结果分析 | 第61-62页 |
·几种用于 TSA的算法比较 | 第62页 |
·本章小结 | 第62-64页 |
总结 | 第64-66页 |
致谢 | 第66-67页 |
参考文献 | 第67-72页 |
攻读硕士期间发表论文 | 第72页 |
攻读硕士期间所获奖励 | 第72-73页 |
附录 | 第73-84页 |