基于GIS的电力系统状态估计和潮流计算的研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 创新点摘要 | 第6-9页 |
| 前言 | 第9-11页 |
| 第一章 电力系统分析软件 | 第11-14页 |
| 1.1 电力系统分析软件的基本内容 | 第11-12页 |
| 1.2 地理信息系统 | 第12-13页 |
| 1.3 本章小结 | 第13-14页 |
| 第二章 地理信息系统的建立 | 第14-21页 |
| 2.1 地理信息系统的基本概念 | 第14-15页 |
| 2.2 地理信息系统开发方式的选择 | 第15-16页 |
| 2.2.1 应用型GIS开发的三种方式 | 第15-16页 |
| 2.2.2 三种实现方式的分析和比较 | 第16页 |
| 2.3 组件GIS技术及其实现 | 第16-18页 |
| 2.3.1 组件技术概述 | 第16-17页 |
| 2.3.2 组件开发的特点 | 第17页 |
| 2.3.3 组件式GIS | 第17-18页 |
| 2.4 大庆油田配电网地理信息系统开发 | 第18-20页 |
| 2.5 本章小结 | 第20-21页 |
| 第三章 电力系统状态估计 | 第21-30页 |
| 3.1 电力系统状态估计的基本概念 | 第21-22页 |
| 3.2 状态估计的基本原理 | 第22页 |
| 3.3 常用状态估计方法 | 第22-29页 |
| 3.3.1 加权最小二乘法估计原理 | 第22-24页 |
| 3.3.2 快速分解状态估计原理 | 第24-25页 |
| 3.3.3 以上两种方法存在的问题 | 第25-27页 |
| 3.3.4 采用牛顿迭代法的状态估计情况 | 第27-29页 |
| 3.4 本章小结 | 第29-30页 |
| 第四章 粒子群进化算法在状态估计中的应用 | 第30-40页 |
| 4.1 粒子群进化算法简介 | 第30页 |
| 4.2 粒子群进化算法原理 | 第30-32页 |
| 4.3 基于粒子群进化算法的状态估计 | 第32-39页 |
| 4.3.1 模型的建立 | 第32-34页 |
| 4.3.2 基于粒子群进化算法的状态估计的实现 | 第34-36页 |
| 4.3.3 不良数据的检测 | 第36-39页 |
| 4.4 本章小结 | 第39-40页 |
| 第五章 电力系统潮流计算 | 第40-49页 |
| 5.1 潮流计算基本内容 | 第40-46页 |
| 5.1.1 潮流计算概念 | 第40-42页 |
| 5.1.2 潮流方程的迭代求解 | 第42-46页 |
| 5.2 影响潮流计算速度的因素 | 第46-48页 |
| 5.3 本章小结 | 第48-49页 |
| 第六章 大庆油田配电网应用程序的实现 | 第49-56页 |
| 6.1 大庆油田配电网数学模型的建立 | 第49-53页 |
| 6.2 程序开发 | 第53-55页 |
| 6.3 本章小结 | 第55-56页 |
| 结论 | 第56-57页 |
| 参考文献 | 第57-59页 |
| 发表文章目录 | 第59-60页 |
| 致谢 | 第60-61页 |
| 详细摘要 | 第61-66页 |
