| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 1 综述 | 第8-16页 |
| ·配电网重构的研究背景 | 第8页 |
| ·配电网重构的概述 | 第8-10页 |
| ·配电网重构的意义 | 第10页 |
| ·配电网重构算法的介绍 | 第10-14页 |
| ·采用数学优化技术的配电网重构算法 | 第11页 |
| ·最优流模式法配电网重构 | 第11-12页 |
| ·支路交换法的配电网重构 | 第12页 |
| ·模拟退火法的配电网重构(Simulated Annealing，SA) | 第12-13页 |
| ·人工神经网络(Artificial Neural Network，ANN) | 第13页 |
| ·遗传算法(Genetic Algorithm，GA) | 第13-14页 |
| ·专家系统 | 第14页 |
| ·其它算法 | 第14页 |
| ·本文的主要工作 | 第14-16页 |
| 2 配电网重构问题的模型 | 第16-24页 |
| ·图的基本概念 | 第16-17页 |
| ·配电网图的描述 | 第17-18页 |
| ·配电网网络重构的目标函数 | 第18-20页 |
| ·数学模型 | 第18-19页 |
| ·约束条件 | 第19-20页 |
| ·本文选用的配电网网络重构的目标函数 | 第20-22页 |
| ·电压稳定性指数 | 第20-22页 |
| ·本文的目标函数 | 第22页 |
| ·本章小结 | 第22-24页 |
| 3 配电网潮流计算 | 第24-32页 |
| ·配电网网络结构 | 第24-25页 |
| ·配电网潮流算法 | 第25-28页 |
| ·前推回代法过程 | 第25-26页 |
| ·算法收敛性分析 | 第26-28页 |
| ·改进的前推回代法 | 第28-30页 |
| ·辐射网模型 | 第28-30页 |
| ·以电流计算的辐射网潮流 | 第30页 |
| ·本章小结 | 第30-32页 |
| 4 基于蚁群算法的配电网网络重构 | 第32-47页 |
| ·引入蚁群算法的原因 | 第32-33页 |
| ·蚁群算法的模型 | 第33-35页 |
| ·基于蚁群算法的配电网网络重构 | 第35-39页 |
| ·问题解的表示形式 | 第35-38页 |
| ·搜索策略 | 第38页 |
| ·评价过程 | 第38-39页 |
| ·实际算例分析 | 第39-44页 |
| ·蚁群算法参数的选择 | 第44-46页 |
| ·信息素挥发度的选择 | 第44-45页 |
| ·蚂蚁数量的选择 | 第45-46页 |
| ·启发式因子的选择 | 第46页 |
| ·本章小结 | 第46-47页 |
| 5 配电网故障恢复重构 | 第47-52页 |
| ·故障恢复的概念及概述 | 第47-48页 |
| ·配电网故障恢复的数学模型 | 第48-49页 |
| ·配电网故障恢复的流程 | 第49-50页 |
| ·实际算例分析 | 第50-52页 |
| 6 结论与展望 | 第52-54页 |
| ·结论 | 第52页 |
| ·展望 | 第52-54页 |
| 致谢 | 第54-56页 |
| 参考文献 | 第56-60页 |
| 附表1. 美国PG&E69节点配电系统网络负荷数据 | 第60-63页 |
| 附表2. 美国PG&E33节点配电系统网络负荷数据 | 第63-66页 |
| 在校期间发表论文和参与科研 | 第66页 |
