| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第8-15页 |
| 1.1 课题的研究背景及意义 | 第8-9页 |
| 1.2 状态估计和PMU优化配置发展情况 | 第9-13页 |
| 1.2.1 状态估计国内外发展情况 | 第9-12页 |
| 1.2.2 PMU优化配置国内外发展情况 | 第12-13页 |
| 1.3 论文结构安排 | 第13-15页 |
| 2 配电网三相模型 | 第15-20页 |
| 2.1 配电网介绍 | 第15页 |
| 2.2 元件模型建立 | 第15-19页 |
| 2.2.1 三相线路模型 | 第15-16页 |
| 2.2.2 三相变压器模型 | 第16-17页 |
| 2.2.3 负荷模型 | 第17-18页 |
| 2.2.4 补偿电容器模型 | 第18-19页 |
| 2.3 小结 | 第19-20页 |
| 3 基于PMU的状态估计算法 | 第20-38页 |
| 3.1 配电网状态估计介绍 | 第20页 |
| 3.2 三相状态估计算法 | 第20-36页 |
| 3.2.1 量测系统的数学描述 | 第20-21页 |
| 3.2.2 加权最小二乘法原理 | 第21-22页 |
| 3.2.3 以节点电压为状态量的量测函数与雅克比矩阵 | 第22-28页 |
| 3.2.4 以支路电流为状态量的量测函数与雅克比矩阵 | 第28-33页 |
| 3.2.5 基于量测变换的配电网状态估计 | 第33-36页 |
| 3.3 小结 | 第36-38页 |
| 4 PMU优化配置算法 | 第38-46页 |
| 4.1 同步向量两侧装置PMU | 第38页 |
| 4.2 PMU优化配置数学描述 | 第38-39页 |
| 4.3 几种优化算法简介 | 第39-43页 |
| 4.3.1 普通粒子群算法 | 第39-41页 |
| 4.3.2 遗传粒子群算法 | 第41-42页 |
| 4.3.3 模拟退火算法 | 第42-43页 |
| 4.4 混合改进遗传模拟退火算法 | 第43-45页 |
| 4.5 小结 | 第45-46页 |
| 5 算例及分析 | 第46-54页 |
| 5.1 简介 | 第46页 |
| 5.2 状态估计算例分析 | 第46-52页 |
| 5.2.1 以节点电压为状态量的状态估计算例分析 | 第46-48页 |
| 5.2.2 以支路电流为状态量的状态估计算例分析 | 第48-50页 |
| 5.2.3 基于量测变换配电网状态估计 | 第50-52页 |
| 5.3 PMU优化配置算例分析 | 第52-53页 |
| 5.4 小结 | 第53-54页 |
| 结论 | 第54-56页 |
| 致谢 | 第56-57页 |
| 参考文献 | 第57-59页 |