| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 创新点摘要 | 第7-10页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 课题研究背景及意义 | 第10-11页 |
| 1.2 电网低频振荡检测的发展历程和国内外的研究现状 | 第11-14页 |
| 1.3 论文的主要研究内容 | 第14-16页 |
| 第二章 电网低频振荡检测方法的研究 | 第16-36页 |
| 2.1 低频振荡理论 | 第16-19页 |
| 2.1.1 低频振荡的定义 | 第16-17页 |
| 2.1.2 低频振荡机理分析 | 第17-18页 |
| 2.1.3 低频振荡检测思路提出 | 第18-19页 |
| 2.2 Prony算法 | 第19-27页 |
| 2.2.1 Prony算法基本原理 | 第19-22页 |
| 2.2.2 Prony算法改进 | 第22-23页 |
| 2.2.3 算例验证 | 第23-27页 |
| 2.3 支持向量机 | 第27-30页 |
| 2.3.1 最优超平面 | 第27-28页 |
| 2.3.2 支持向量机分类情况 | 第28-29页 |
| 2.3.3 核函数 | 第29-30页 |
| 2.4 基于SVM算法构建低频振荡检测模型 | 第30-34页 |
| 2.4.1 具体分类原则 | 第30-33页 |
| 2.4.2 训练模型及仿真验证 | 第33-34页 |
| 2.5 本章小结 | 第34-36页 |
| 第三章 SVM优化算法检测电网低频振荡 | 第36-51页 |
| 3.1 人工鱼群算法 | 第36-40页 |
| 3.1.1 人工鱼群算法概述 | 第36页 |
| 3.1.2 人工鱼群算法的主要行为 | 第36-37页 |
| 3.1.3 人工鱼群算法运行参数设定 | 第37页 |
| 3.1.4 人工鱼群算法寻优过程 | 第37-40页 |
| 3.2 人工鱼群算法对SVM参数优化实现 | 第40-43页 |
| 3.2.1 人工鱼群算法优化流程 | 第40-41页 |
| 3.2.2 仿真分析 | 第41-43页 |
| 3.3 粒子群算法对SVM的参数寻优 | 第43-46页 |
| 3.4 遗传算法对SVM的参数寻优 | 第46-49页 |
| 3.5 三种优化算法结果比较 | 第49页 |
| 3.6 本章小结 | 第49-51页 |
| 第四章 基于WAMS的电网低频振荡在线检测的实现 | 第51-61页 |
| 4.1 广域测量系统的原理 | 第51-54页 |
| 4.2 基于WAMS实测数据的SVM算法检测电网低频振荡 | 第54-60页 |
| 4.2.1 检测总体设计流程 | 第54-55页 |
| 4.2.2 在线的实现 | 第55-56页 |
| 4.2.3 算例验证 | 第56-60页 |
| 4.3 本章小结 | 第60-61页 |
| 结论 | 第61-63页 |
| 参考文献 | 第63-68页 |
| 发表文章目录 | 第68-69页 |
| 致谢 | 第69-70页 |