| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-16页 |
| 1.1 目的与意义 | 第9-10页 |
| 1.2 研究现状 | 第10-14页 |
| 1.2.1 风险评估方法 | 第10-11页 |
| 1.2.2 电力系统设备故障率模型研究 | 第11-12页 |
| 1.2.3 蒙特卡洛法计算电网风险 | 第12页 |
| 1.2.4 故障场景后果分析 | 第12-13页 |
| 1.2.5 机器学习方法 | 第13页 |
| 1.2.6 设备运维等级划分 | 第13-14页 |
| 1.3 本文研究内容 | 第14-16页 |
| 2 基于改进蒙特卡洛法的电网风险计算方法 | 第16-33页 |
| 2.1 电网风险定义及指标选取 | 第16-18页 |
| 2.2 基本蒙特卡洛法 | 第18-20页 |
| 2.3 拉丁超立方抽样法 | 第20-22页 |
| 2.4 设备实时状态获取和实时故障率计算 | 第22-24页 |
| 2.5 基于图论和内点法的故障场景风险后果快速分析方法 | 第24-28页 |
| 2.5.1 采用图论拓扑分析的风险后果计算方法 | 第24-25页 |
| 2.5.2 采用内点法的线路过载最优切负荷算法 | 第25-28页 |
| 2.6 风险计算流程 | 第28-30页 |
| 2.7 算例分析 | 第30-31页 |
| 2.8 本章小结 | 第31-33页 |
| 3 改进的最小二乘支持向量机 | 第33-41页 |
| 3.1 机器学习理论 | 第33-35页 |
| 3.2 最小二乘支持向量机 | 第35-37页 |
| 3.3 高斯扰动粒子群优化算法 | 第37-38页 |
| 3.4 使用GDPSO优化的最小二乘支持向量机 | 第38-40页 |
| 3.5 本章小结 | 第40-41页 |
| 4 基于改进蒙特卡洛和LSSVM的电网风险评估算法及其应用 | 第41-59页 |
| 4.1 基于改进蒙特卡洛和LSSVM的电网在线风险评估 | 第41-42页 |
| 4.2 薄弱环节灵敏度分析 | 第42-45页 |
| 4.3 设备运维等级划分 | 第45-47页 |
| 4.4 电网在线风险评估及设备运维等级划分整体流程 | 第47-48页 |
| 4.5 算例分析 | 第48-57页 |
| 4.5.1 算例介绍 | 第48-50页 |
| 4.5.2 样本生成与训练参数设置 | 第50页 |
| 4.5.3 结果分析 | 第50-57页 |
| 4.6 本章小结 | 第57-59页 |
| 5 结论与展望 | 第59-61页 |
| 5.1 结论 | 第59-60页 |
| 5.2 展望 | 第60-61页 |
| 参考文献 | 第61-64页 |
| 攻读硕士学位期间发表的科研成果 | 第64-65页 |
| 致谢 | 第65-66页 |
