基于径向基神经网络电压稳定性研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第1章 绪论 | 第8-18页 |
| ·课题研究的目的及其意义 | 第8-9页 |
| ·电压稳定性 | 第9-11页 |
| ·电压稳定性概念 | 第9页 |
| ·电压稳定的分类 | 第9-11页 |
| ·其它电压稳定分析方法 | 第11页 |
| ·电压稳定性指标研究现状 | 第11-14页 |
| ·静态电压稳定 | 第11-13页 |
| ·动态电压稳定 | 第13页 |
| ·电压稳定性分析的展望 | 第13-14页 |
| ·电压稳定性指标 | 第14-16页 |
| ·裕度指标 | 第14-15页 |
| ·状态指标 | 第15-16页 |
| ·本文主要工作 | 第16-18页 |
| 第2章 人工神经网络 | 第18-27页 |
| ·人工神经网络的基本理论 | 第18-21页 |
| ·人工神经网络的概念 | 第18页 |
| ·神经元转移函数 | 第18-19页 |
| ·人工神经网络模型 | 第19-21页 |
| ·RBF神经网络理论 | 第21-26页 |
| ·RBF神经网络模型 | 第21-22页 |
| ·RBF神经网络的学习算法 | 第22-25页 |
| ·径向基函数的非线性逼近能力 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 第3章 BP神经网络的电压稳定性评估 | 第27-38页 |
| ·BP神经网络概述 | 第27-28页 |
| ·连续潮流 | 第28-30页 |
| ·延拓法 | 第28-29页 |
| ·连续潮流计算 | 第29-30页 |
| ·电压稳定裕度的确定 | 第30-31页 |
| ·基于神经网络的在线电压稳定评估的实现 | 第31-35页 |
| ·生成数据样本 | 第31-32页 |
| ·标准BP神经网络学习算法 | 第32-34页 |
| ·标准BP算法的改进 | 第34-35页 |
| ·网络设计与测试 | 第35页 |
| ·算例分析 | 第35-37页 |
| ·BP神经网络电压稳定极限预测 | 第36-37页 |
| ·计算结果分析 | 第37页 |
| ·本章小结 | 第37-38页 |
| 第4章 RBF神经网络的电压稳定性评估 | 第38-50页 |
| ·引言 | 第38-39页 |
| ·生成样本数据 | 第39页 |
| ·算法的选取 | 第39-43页 |
| ·RBF网络初始值的确定 | 第41-42页 |
| ·RBF网络阀值的确定 | 第42页 |
| ·RBF网络电压稳定裕度 | 第42-43页 |
| ·基于RBF网络的电压稳定裕度计算仿真研究 | 第43-49页 |
| ·仿真参数的选择 | 第43-45页 |
| ·训练过程 | 第45-46页 |
| ·测试过程 | 第46-47页 |
| ·RBF网络的测试数据统计 | 第47-48页 |
| ·电压稳定裕度的计算 | 第48-49页 |
| ·本章小结 | 第49-50页 |
| 第5章 RBF神经网络预测性能 | 第50-55页 |
| ·引言 | 第50页 |
| ·RBF神经网络的优势 | 第50-51页 |
| ·网络误差分析 | 第51-53页 |
| ·IEEE30节点径向基神经网络电压稳定裕度计算 | 第53-54页 |
| ·本章小结 | 第54-55页 |
| 第6章 总结与展望 | 第55-57页 |
| ·本文结论 | 第55-56页 |
| ·研究展望 | 第56-57页 |
| ·ANN网络输入向量的特征选择问题 | 第56页 |
| ·电压稳定性方面的研究 | 第56-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-61页 |
| 附录A IEEE5节点系统数据 | 第61-62页 |
| 附录B IEEE30节点系统数据 | 第62-66页 |
| 攻读学位期间的研究成果 | 第66页 |
