| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 目录 | 第8-10页 |
| 第一章 绪论 | 第10-22页 |
| 1.1 配电网重构的目的和意义 | 第10-12页 |
| 1.2 实现网络重构的算法研究 | 第12-17页 |
| 1.2.1 基于传统优化的算法 | 第13-15页 |
| 1.2.2 人工智能算法 | 第15-17页 |
| 1.2.3 其他算法 | 第17页 |
| 1.3 配电网事故处理的网络重构 | 第17-20页 |
| 1.4 本文的主要工作 | 第20-22页 |
| 第二章 配电网网络拓扑分析和潮流计算方法 | 第22-35页 |
| 2.1 配电网络结构分析 | 第22-27页 |
| 2.1.1 城市配电网模型 | 第22-25页 |
| 2.1.2 配电网络连通性和放射性 | 第25-27页 |
| 2.2 配电网潮流计算 | 第27-34页 |
| 2.2.1 数学模型搭建 | 第27-28页 |
| 2.2.2 常用的配电网潮流计算方法 | 第28页 |
| 2.2.3 前推回代法计算配电网潮流 | 第28-33页 |
| 2.2.4 前推回代法的特点 | 第33-34页 |
| 2.3 本章小结 | 第34-35页 |
| 第三章 事故处理模式下网络重构算法实现 | 第35-49页 |
| 3.1 配电网故障恢复的实现 | 第35-37页 |
| 3.1.1 配电网故障恢复的要求 | 第35页 |
| 3.1.2 配电网故障重构方式分类 | 第35-36页 |
| 3.1.3 配电网故障重构算法 | 第36-37页 |
| 3.2 GA及其基本概念 | 第37-38页 |
| 3.2.1 GA的发展提出 | 第37页 |
| 3.2.2 GA的基本术语 | 第37-38页 |
| 3.3 遗传算法方法 | 第38-46页 |
| 3.3.1 遗传算法的基本流程 | 第38页 |
| 3.3.2 GA的编码 | 第38-40页 |
| 3.3.3 群体的选取 | 第40-41页 |
| 3.3.4 适应度函数 | 第41-42页 |
| 3.3.5 遗传算法的运算操作 | 第42-46页 |
| 3.4 遗传算法的改进简介 | 第46-47页 |
| 3.5 遗传算法在配电网故障恢复中的应用 | 第47-48页 |
| 3.6 本章小结 | 第48-49页 |
| 第四章 基于配电网重构的算法模型 | 第49-61页 |
| 4.1 配电网络重构模型的确定 | 第49-51页 |
| 4.1.1 以负荷均衡分布为目标 | 第49-50页 |
| 4.1.2 以故障恢复时间最短，停电范围最小为目标 | 第50页 |
| 4.1.3 以经济性最优为目标 | 第50页 |
| 4.1.4 以网损最小化为目标 | 第50-51页 |
| 4.2 配电网重构的约束条件 | 第51-52页 |
| 4.2.1 约束条件 1：保持系统辐射状 | 第51页 |
| 4.2.2 约束条件 2：保持系统连续性 | 第51页 |
| 4.2.3 线路容量限制条件 | 第51-52页 |
| 4.3 本文应用的目标函数及约束条件 | 第52-54页 |
| 4.3.1 以最小化有功功率损耗为目标的模型 | 第52页 |
| 4.3.2 以配电网故障恢复为目标的综合模型 | 第52-54页 |
| 4.4 仿真算例 1 | 第54-59页 |
| 4.4.1 16 重构算例 | 第55-56页 |
| 4.4.2 33 节点重构算例 | 第56-57页 |
| 4.4.3 69 节点系统优化算例 | 第57-59页 |
| 4.5 仿真算例 2 | 第59-60页 |
| 4.6 本章小结 | 第60-61页 |
| 第五章 配电网事故恢复方案优化评估 | 第61-70页 |
| 5.1 恢复控制策略用户配电网事故处理 | 第61-64页 |
| 5.2 基于最小生成树算法的事故恢复优化 | 第64-66页 |
| 5.3 仿真算例 | 第66-69页 |
| 5.4 本章小结 | 第69-70页 |
| 第六章 总结和展望 | 第70-72页 |
| 6.1 总结 | 第70-71页 |
| 6.2 展望 | 第71-72页 |
| 附录 | 第72-76页 |
| 参考文献 | 第76-79页 |
| 致谢 | 第79-80页 |
| 攻读学位期间发表的论文 | 第80页 |