| 摘要 | 第1页 |
| ABSTRACT | 第4-7页 |
| 第一章 引言 | 第7-11页 |
| ·课题背景及意义 | 第7-8页 |
| ·国内外研究动态 | 第8-10页 |
| ·电力系统状态估计的研究现状 | 第8-9页 |
| ·基于PMU 的电力系统状态估计研究现状 | 第9-10页 |
| ·基于PMU 的发电机同期问题的研究现状 | 第10页 |
| ·本文的主要工作 | 第10-11页 |
| 第二章 电力系统状态估计的理论基础 | 第11-23页 |
| ·电力系统状态估计的数学描述 | 第11-14页 |
| ·量测系统的数学描述 | 第11-12页 |
| ·电力网络的数学描述 | 第12-13页 |
| ·电力系统网络方程 | 第13-14页 |
| ·状态估计的基本功能 | 第14页 |
| ·三种经典的电力系统状态估计算法 | 第14-22页 |
| ·加权最小二乘状态估计法 | 第14-17页 |
| ·快速分解状态估计算法 | 第17-22页 |
| ·本章小结 | 第22-23页 |
| 第三章 基于GPS 的PMU 及其在电力系统中的应用 | 第23-28页 |
| ·相量测量装置(PMU) | 第23-26页 |
| ·PMU 在电力系统中的应用 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 第四章 基于PMU 优化的状态估计模型 | 第28-44页 |
| ·计及PMU 量测的电力系统状态估计 | 第28-33页 |
| ·二次估计模型 | 第32页 |
| ·计及PMU 的混合状态估计模型 | 第32-33页 |
| ·PMU 优化配置方案 | 第33-38页 |
| ·基本遗传算法（GA）原理及特点 | 第33-34页 |
| ·自适应遗传算法 | 第34-35页 |
| ·基于小生境的自适应遗传算法（NAGA） | 第35-38页 |
| ·基于NAGA 的PMU 优化配置 | 第38页 |
| ·算例仿真 | 第38-42页 |
| ·基于PMU 的状态估计仿真结果与分析 | 第38-41页 |
| ·基于NAGA 的PMU 优化配置算法仿真 | 第41-42页 |
| ·计及PMU 的电力系统状态估计与基于SCADA 的状态估计的比较 | 第42-43页 |
| ·本章小结 | 第43-44页 |
| 第五章 基于PMU 的发电机同期问题的研究 | 第44-48页 |
| ·发电机同期并网原理 | 第44-45页 |
| ·PMU 在发电机同期并网中的应用 | 第45-47页 |
| ·PMU 装置的结构 | 第45-46页 |
| ·PMU 的测量精度 | 第46页 |
| ·PMU 在发电机同期并网中的应用 | 第46-47页 |
| ·本章小结 | 第47-48页 |
| 第六章 结论 | 第48-49页 |
| 参考文献 | 第49-55页 |
| 致谢 | 第55-56页 |
| 附录 | 第56-61页 |
| 在学期间发表的学术论文和参加科研情况 | 第61页 |