| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第11-18页 |
| 1.1 研究背景和意义 | 第11-12页 |
| 1.2 研究现状 | 第12-15页 |
| 1.2.1 基于机器学习的暂态稳定快速算法研究现状 | 第13-14页 |
| 1.2.2 基于机器学习的暂态稳定评估方法研究现状 | 第14-15页 |
| 1.3 本文的主要研究内容 | 第15-18页 |
| 1.3.1 本文主要工作 | 第15-16页 |
| 1.3.2 仿真工具介绍 | 第16-18页 |
| 第二章 基于人工神经网络预测虚拟注入电流的暂态稳定快速算法 | 第18-37页 |
| 2.1 暂态稳定数值积分算法的基本原理 | 第18-23页 |
| 2.1.1 暂态稳定数值积分的基本流程 | 第18-19页 |
| 2.1.2 单个时间步长内的暂态稳定数值积分流程 | 第19-23页 |
| 2.2 人工神经网络的基本原理 | 第23-27页 |
| 2.2.1 人工神经网络的结构 | 第23-24页 |
| 2.2.2 误差的反向传播算法 | 第24-27页 |
| 2.3 算法的基本原理 | 第27-30页 |
| 2.4 仿真结果与分析 | 第30-35页 |
| 2.4.1 算例设置 | 第30-32页 |
| 2.4.2 仿真结果 | 第32-33页 |
| 2.4.3 仿真结果分析 | 第33-35页 |
| 2.5 本章小结 | 第35-37页 |
| 第三章 基于卷积神经网络的动态安全分析方法 | 第37-48页 |
| 3.1 卷积神经网络的基本原理 | 第37-39页 |
| 3.2 卷积神经网络的特点 | 第39-41页 |
| 3.3 基于卷积神经网络的动态安全分析的基本原理 | 第41页 |
| 3.4 特征选取的方法 | 第41-45页 |
| 3.5 仿真结果与分析 | 第45-46页 |
| 3.6 本章小结 | 第46-48页 |
| 第四章 基于卷积神经网络的动态安全分析与暂态稳定样本筛选方法 | 第48-59页 |
| 4.1 基于卷积神经网络的动态安全分析方法 | 第48-50页 |
| 4.2 基于Softmax层输出概率的测试样本筛选方法 | 第50-52页 |
| 4.3 仿真结果与分析 | 第52-57页 |
| 4.4 本章小结 | 第57-59页 |
| 第五章 总结和展望 | 第59-62页 |
| 5.1 全文总结 | 第59-60页 |
| 5.2 展望 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 攻读硕士学位期间发表的论文 | 第66页 |
