基于支持向量机的静态电压稳定评估
| 摘要 | 第1-7页 |
| Abstract | 第7-12页 |
| 第1章 绪论 | 第12-23页 |
| ·电压稳定问题的研究背景 | 第12-13页 |
| ·电压稳定的定义与分类 | 第13-14页 |
| ·电压稳定的研究现状 | 第14-21页 |
| ·静态电压稳定研究 | 第14-19页 |
| ·动态电压稳定研究 | 第19-21页 |
| ·本课题研究的意义 | 第21-22页 |
| ·本文的主要工作 | 第22-23页 |
| 第2章 基于连续潮流法的电压稳定临界点计算 | 第23-33页 |
| ·输电系统的功率-电压特性 | 第23-27页 |
| ·静态电压稳定性的裕度指标 | 第27-28页 |
| ·连续潮流法的基本原理 | 第28-32页 |
| 本章小结 | 第32-33页 |
| 第3章 统计学习理论与支持向量机 | 第33-47页 |
| ·机器学习简介 | 第33-36页 |
| ·机器学习的主要问题 | 第33-34页 |
| ·经验风险最小化 | 第34-35页 |
| ·复杂性与推广能力 | 第35-36页 |
| ·统计学习理论的核心内容 | 第36-41页 |
| ·学习过程一致性的条件 | 第36-37页 |
| ·VC维 | 第37-38页 |
| ·推广性的界 | 第38-39页 |
| ·结构风险最小化 | 第39-41页 |
| ·支持向量机 | 第41-46页 |
| ·最优超平面 | 第41-43页 |
| ·支持向量分类机 | 第43-44页 |
| ·支持向量回归机 | 第44-46页 |
| 本章小结 | 第46-47页 |
| 第4章 基于支持向量机的静态电压稳定评估 | 第47-63页 |
| ·静态电压稳定数据仿真 | 第47-50页 |
| ·仿真步骤 | 第48-49页 |
| ·PSAT简介 | 第49-50页 |
| ·支持向量回归模型的核函数和参数选取 | 第50-52页 |
| ·核函数的选取 | 第50页 |
| ·参数的影响及选取 | 第50-52页 |
| ·基于支持向量机的电压稳定临界点在线预测研究 | 第52-56页 |
| ·LIBSVM工具箱简介 | 第52-54页 |
| ·主要实验流程 | 第54-55页 |
| ·实验结果 | 第55-56页 |
| ·BP神经网络与SVM的预测结果之比较 | 第56-59页 |
| ·BP神经网络结构和算法思想 | 第56-57页 |
| ·实际算例 | 第57-59页 |
| ·基于支持向量机的电压稳定弱节点在线监视 | 第59-62页 |
| ·弱节点在线监视模型的建立 | 第59-60页 |
| ·实验结果 | 第60-62页 |
| 本章小结 | 第62-63页 |
| 第5章 基于输入空间压缩的静态电压稳定评估 | 第63-70页 |
| ·主成分分析原理 | 第63-67页 |
| ·主成分的定义 | 第64-65页 |
| ·主成分的求法 | 第65-66页 |
| ·标准化变量的主成分 | 第66-67页 |
| ·基于主成分分析和支持向量机的静态电压稳定评估 | 第67-69页 |
| 本章小结 | 第69-70页 |
| 结论 | 第70-72页 |
| 致谢 | 第72-73页 |
| 参考文献 | 第73-77页 |
| 附录 | 第77-86页 |
| 攻读硕士学位期间发表的论文 | 第86页 |
