| Abstract | 第1-6页 |
| 摘要 | 第6-7页 |
| Contents | 第7-9页 |
| Chapter 1 Introduction | 第9-22页 |
| ·Background | 第9-13页 |
| ·Forecasting Model | 第13-16页 |
| ·Kalman Filter Base Forecasting | 第14-15页 |
| ·Review of Artificial Neural Network Base Forecasting | 第15-16页 |
| ·Filtering Scheme | 第16-18页 |
| ·Review of Innovation Graph Approach | 第18-20页 |
| ·Main Work of The Dissertation | 第20页 |
| ·Motivation and Objective | 第20-22页 |
| Chapter 2 Dynamic State Estimation Related Algorithm | 第22-35页 |
| ·Introduction | 第22-23页 |
| ·The State Vector | 第23页 |
| ·The Measurement Vector | 第23-24页 |
| ·Dynamic Estimator | 第24页 |
| ·Extended Kalman Filter Equation | 第24-26页 |
| ·Effect of Nonlinear Meaurement Fucnction in DSE | 第26-28页 |
| ·Transition Matrix Calculation | 第28-29页 |
| ·Computation of Vector G | 第29-30页 |
| ·Determination of Process Disturbance Matrix Q | 第30页 |
| ·Algorithm Related to Debugging Technique | 第30-33页 |
| ·IG technique | 第30-32页 |
| ·FASE technique | 第32-33页 |
| ·Computational Perspective | 第33-34页 |
| ·Summary | 第34-35页 |
| Chapter 3 Anomaly Detection and Identification | 第35-43页 |
| ·Background | 第35-36页 |
| ·Analysis of Anomalous Data | 第36-37页 |
| ·Anomaly Detection | 第37页 |
| ·Anomaly Identification: Proposed Hybrid Dynamic State Estimator | 第37-40页 |
| ·Discrimination between Anomalies and Treatment of Anomalous Data | 第40-42页 |
| ·Sudden Load/Generation Change | 第41页 |
| ·Bad Data | 第41页 |
| ·Topology Error | 第41-42页 |
| ·Summary | 第42-43页 |
| Chapter 4 Test System Simulation | 第43-56页 |
| ·Background | 第43页 |
| ·Test System | 第43-44页 |
| ·Measuement Generation | 第44-46页 |
| ·Initialization | 第46-48页 |
| ·Result and Discussion | 第48-54页 |
| ·Summary | 第54-56页 |
| Conclusion | 第56-57页 |
| References | 第57-63页 |
| Acknowledgement | 第63页 |
