| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 电网大扰动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14-15页 |
| 第二章 基于相量理论和支持向量机的扰动检测方法的研究 | 第15-36页 |
| 2.1 相量理论 | 第15-20页 |
| 2.2 扰动数据的预处理 | 第20-22页 |
| 2.3 支持向量机理论 | 第22-25页 |
| 2.3.1 支持向量机概述 | 第22页 |
| 2.3.2 最优超平面 | 第22-23页 |
| 2.3.3 支持向量机分类器 | 第23-25页 |
| 2.4 基于支持向量机的扰动检测算法 | 第25-30页 |
| 2.4.1 基本模型 | 第25页 |
| 2.4.2 SVM训练步骤 | 第25页 |
| 2.4.3 核函数的选择 | 第25-28页 |
| 2.4.4 核函数参数的确定 | 第28-30页 |
| 2.5 基于相量理论和支持向量机算法的扰动检测流程设计 | 第30-31页 |
| 2.6 算例验证 | 第31-35页 |
| 2.7 本章小结 | 第35-36页 |
| 第三章 多源信息融合的电网大扰动判定方法的研究 | 第36-49页 |
| 3.1 多源信息融合理论 | 第36-37页 |
| 3.2 基于D-S证据理论的信息融合方法 | 第37-40页 |
| 3.2.1 D-S证据理论 | 第38-39页 |
| 3.2.2 基于D-S证据理论的信息融合模型 | 第39页 |
| 3.2.3 扰动判定决策模型 | 第39-40页 |
| 3.3 基于SCADA系统的扰动检测方法研究 | 第40-44页 |
| 3.3.1 信息的获取途径 | 第41页 |
| 3.3.2 遥测类信息的应用 | 第41页 |
| 3.3.3 信息智能判断的逻辑 | 第41-43页 |
| 3.3.4 信息智能判别模型的实现 | 第43-44页 |
| 3.4 多源信息融合的电网大扰动判定方法 | 第44-45页 |
| 3.5 算例验证 | 第45-48页 |
| 3.6 本章小结 | 第48-49页 |
| 第四章 基于WAMS的电网大扰动在线检测的应用 | 第49-55页 |
| 4.1 某油田电网概况 | 第49-51页 |
| 4.2 电网大扰动在线检测的实际应用 | 第51-54页 |
| 4.2.1 实例分析一 | 第51-52页 |
| 4.2.2 实例分析二 | 第52-54页 |
| 4.3 本章小结 | 第54-55页 |
| 结论 | 第55-57页 |
| 参考文献 | 第57-60页 |
| 发表文章目录 | 第60-61页 |
| 致谢 | 第61-62页 |
