| 摘要 | 第5-7页 | 
| Abstract | 第7-8页 | 
| 第1章 绪论 | 第15-33页 | 
|     1.1 选题背景与意义 | 第15-17页 | 
|         1.1.1 选题背景 | 第15-17页 | 
|         1.1.2 选题意义 | 第17页 | 
|     1.2 国内外研究现状 | 第17-31页 | 
|         1.2.1 复杂电网连锁故障的研究方法 | 第17-27页 | 
|         1.2.2 复杂电网自组织临界态辨识指标研究 | 第27-29页 | 
|         1.2.3 含大规模风电集中接入的电网自组织临界态辨识方法研究 | 第29-30页 | 
|         1.2.4 含大规模风电集中接入的电网自组织临界态辨识需要解决的问题 | 第30-31页 | 
|     1.3 本文的主要研究内容 | 第31-32页 | 
|     1.4 本文的主要创新点 | 第32-33页 | 
| 第2章 复杂电网连锁故障与自组织临界态机理研究 | 第33-46页 | 
|     2.1 引言 | 第33页 | 
|     2.2 复杂电网连锁故障产生机理 | 第33-38页 | 
|         2.2.1 复杂电网连锁故障简述 | 第33-36页 | 
|         2.2.2 基于自组织临界性理论的连锁故障产生机理 | 第36-38页 | 
|     2.3 电网自组织临界性演化机理 | 第38-41页 | 
|     2.4 电网自组织临界性数学表征 | 第41-44页 | 
|         2.4.1 幂律尾特性 | 第42-43页 | 
|         2.4.2 分形分维特性 | 第43-44页 | 
|     2.5 电网自组织临界态 | 第44-45页 | 
|     2.6 本章小结 | 第45-46页 | 
| 第3章 含大规模风电集中接入的电网停电数据的幂率尾拟合方法 | 第46-61页 | 
|     3.1 引言 | 第46-47页 | 
|     3.2 含大规模风电集中接入的电网自组织临界性仿真模型 | 第47-51页 | 
|         3.2.1 OPA类仿真模型存在的问题 | 第47页 | 
|         3.2.2 大规模风电出力特性分析 | 第47-49页 | 
|         3.2.3 含大规模风电集中接入的电网自组织临界性仿真模型 | 第49-51页 | 
|     3.3 电网停电数据的幂率尾拟合方法 | 第51-58页 | 
|         3.3.1 幂律尾分布 | 第51-52页 | 
|         3.3.2 幂率尾拟合方法分析 | 第52-56页 | 
|         3.3.3 电网停电数据的幂率尾拟合方法 | 第56-58页 | 
|     3.4 算例分析 | 第58-60页 | 
|         3.4.1 算例介绍 | 第58页 | 
|         3.4.2 电网停电数据的获取 | 第58-59页 | 
|         3.4.3 电网停电数据的幂率尾拟合 | 第59-60页 | 
|     3.5 本章小结 | 第60-61页 | 
| 第4章 含大规模风电集中接入电网的自组织临界态影响因素及指标提取 | 第61-78页 | 
|     4.1 引言 | 第61页 | 
|     4.2 大规模风电集中接入对电网自组织临界态的影响 | 第61-64页 | 
|         4.2.1 常规能源电网自组织临界态影响因素分析 | 第61-63页 | 
|         4.2.2 大规模风电集中并网对电网自组织临界态的影响 | 第63-64页 | 
|     4.3 基于熵理论的电网自组织临界态辨识指标提取 | 第64-70页 | 
|         4.3.1 熵理论与自组织临界态 | 第65-66页 | 
|         4.3.2 加权潮流熵 | 第66-68页 | 
|         4.3.3 网络拓扑熵 | 第68-69页 | 
|         4.3.4 风电波动熵 | 第69-70页 | 
|     4.4 算例分析 | 第70-77页 | 
|         4.4.1 加权潮流熵对电网自组织临界态的影响 | 第70-72页 | 
|         4.4.2 网络拓扑熵对自组织临界态的影响 | 第72-74页 | 
|         4.4.3 风电波动熵对自组织临界态的影响 | 第74-77页 | 
|         4.4.4 算例小结 | 第77页 | 
|     4.5 本章小结 | 第77-78页 | 
| 第5章 含大规模风电集中接入的电网自组织临界态辨识方法 | 第78-94页 | 
|     5.1 引言 | 第78-79页 | 
|     5.2 LVQ神经网络模型 | 第79-82页 | 
|         5.2.1 LVQ神经网络结构 | 第79-80页 | 
|         5.2.2 LVQ神经网络的学习算法 | 第80-81页 | 
|         5.2.3 LVQ神经网络特点 | 第81-82页 | 
|     5.3 基于LVQ神经网络的电网自组织临界态辨识方法 | 第82-88页 | 
|         5.3.1 电网自组织临界态辨识物理指标集 | 第82-84页 | 
|         5.3.2 基于LVQ神经网络的电网自组织临界态辨识方法 | 第84-87页 | 
|         5.3.3 电网自组织临界态辨识方法的实现 | 第87-88页 | 
|     5.4 算例分析 | 第88-93页 | 
|         5.4.1 算例介绍 | 第88-89页 | 
|         5.4.2 算例分析 | 第89-93页 | 
|     5.5 本章小结 | 第93-94页 | 
| 第6章 结论与展望 | 第94-96页 | 
|     6.1 结论 | 第94-95页 | 
|     6.2 展望 | 第95-96页 | 
| 参考文献 | 第96-108页 | 
| 附录 | 第108-111页 | 
| 攻读博士学位期间发表的论文 | 第111-113页 | 
| 攻读博士学位期间参加的科研工作 | 第113-114页 | 
| 致谢 | 第114-115页 | 
| 作者简介 | 第115页 |