基于改进鲁棒无迹卡尔曼滤波的电力系统分区状态估计
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 课题研究背景和意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-14页 |
| 1.2.1 电力系统状态估计研究现状 | 第10-12页 |
| 1.2.2 不良数据检测与辨识研究现状 | 第12-13页 |
| 1.2.3 分区状态估计研究现状 | 第13-14页 |
| 1.3 本文主要研究内容 | 第14-16页 |
| 第2章 改进无迹卡尔曼滤波状态估计算法 | 第16-27页 |
| 2.1 动态状态估计模型 | 第16-20页 |
| 2.1.1 卡尔曼滤波原理 | 第16页 |
| 2.1.2 电力系统状态估计的状态方程 | 第16-17页 |
| 2.1.3 电力系统状态估计的量测方程 | 第17-18页 |
| 2.1.4 无迹卡尔曼滤波原理 | 第18-19页 |
| 2.1.5 采样方法 | 第19-20页 |
| 2.2 改进无迹卡尔曼滤波原理 | 第20-21页 |
| 2.3 仿真分析 | 第21-26页 |
| 2.3.1 算例概要 | 第21页 |
| 2.3.2 算例仿真 | 第21-24页 |
| 2.3.3 估计误差比较 | 第24-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第3章 鲁棒无迹卡尔曼滤波状态估计算法 | 第27-38页 |
| 3.1 引言 | 第27页 |
| 3.2 鲁棒算法 | 第27-28页 |
| 3.2.1 判断方法 | 第27-28页 |
| 3.2.2 实施方法 | 第28页 |
| 3.3 基于RUKF的电力系统状态估计流程 | 第28-30页 |
| 3.4 仿真分析 | 第30-37页 |
| 3.4.1 IEEE30算例分析 | 第30-35页 |
| 3.4.2 IEEE118算例分析 | 第35-37页 |
| 3.5 本章小结 | 第37-38页 |
| 第4章 电力系统分区状态估计 | 第38-57页 |
| 4.1 复杂网络理论 | 第38-39页 |
| 4.1.1 图的相关概念 | 第38-39页 |
| 4.1.2 网络与表示 | 第39页 |
| 4.2 复杂网络社团发现算法 | 第39-46页 |
| 4.2.1 社团结构 | 第39-40页 |
| 4.2.2 社团结构评价指标 | 第40-41页 |
| 4.2.3 谱聚类算法 | 第41-42页 |
| 4.2.4 k-means算法 | 第42-43页 |
| 4.2.5 基于BCC优化的k-means算法 | 第43-46页 |
| 4.3 基于复杂网络的电力系统分区状态估计 | 第46-50页 |
| 4.3.1 复杂网络在电网分区中的应用 | 第46页 |
| 4.3.2 电力系统分区简化模型 | 第46-47页 |
| 4.3.3 边界节点估计原则 | 第47页 |
| 4.3.4 边界节点估计融合 | 第47-49页 |
| 4.3.5 算法流程 | 第49-50页 |
| 4.4 算例仿真 | 第50-55页 |
| 4.4.1 基于BCC优化的谱聚类分区验证 | 第50-53页 |
| 4.4.2 边界节点估计融合验证 | 第53-55页 |
| 4.4.3 估计时间比较 | 第55页 |
| 4.5 本章小结 | 第55-57页 |
| 结论 | 第57-58页 |
| 参考文献 | 第58-63页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第63-64页 |
| 致谢 | 第64页 |
