基于状态预测的电力系统状态估计及不良数据检测与辨识
| 摘要 | 第6-7页 |
| Abstract | 第7页 |
| 第1章 绪论 | 第11-18页 |
| 1.1 引言 | 第11页 |
| 1.2 课题研究背景及意义 | 第11-12页 |
| 1.3 国内外研究现状 | 第12-15页 |
| 1.3.1 电力系统状态估计的研究现状 | 第12-14页 |
| 1.3.2 不良数据检测与辨识方法的研究现状 | 第14-15页 |
| 1.3.3 支持向量机研究现状 | 第15页 |
| 1.4 本文研究内容 | 第15-16页 |
| 1.5 本文结构安排 | 第16-18页 |
| 第2章 电力系统状态估计基础 | 第18-26页 |
| 2.1 引言 | 第18页 |
| 2.2 电力系统状态估计问题的数学描述 | 第18-19页 |
| 2.2.1 量测系统的数学描述 | 第18-19页 |
| 2.2.2 电力网络的数学描述 | 第19页 |
| 2.3 电力系统的网络方程 | 第19-20页 |
| 2.4 电力系统状态估计经典算法 | 第20-25页 |
| 2.4.1 加权最小二乘法 | 第20-23页 |
| 2.4.2 快速分解法 | 第23-24页 |
| 2.4.3 对量测量变换的状态估计算法 | 第24-25页 |
| 2.4.4 逐次型状态估计算法 | 第25页 |
| 2.5 本章小结 | 第25-26页 |
| 第3章 基于状态预测的电力系统状态估计 | 第26-43页 |
| 3.1 量测冗余及状态预测 | 第26-27页 |
| 3.2 最小二乘支持向量机预测模型 | 第27-32页 |
| 3.2.1 支持向量机基本理论 | 第27-29页 |
| 3.2.2 支持向量机回归原理 | 第29页 |
| 3.2.3 最小二乘支持向量机 | 第29-31页 |
| 3.2.4 粒子群优化算法 | 第31-32页 |
| 3.3 基于状态预测的电力系统状态估计方法 | 第32-34页 |
| 3.4 仿真实验及结果分析 | 第34-42页 |
| 3.4.1 仿真概要 | 第34-36页 |
| 3.4.2 算例仿真 | 第36-42页 |
| 3.5 本章小结 | 第42-43页 |
| 第4章 基于状态预测的不良数据检测与辨识 | 第43-60页 |
| 4.1 引言 | 第43页 |
| 4.2 常用不良数据检测与辨识方法 | 第43-48页 |
| 4.2.1 残差方程 | 第43-44页 |
| 4.2.2 常用不良数据检测方法 | 第44-46页 |
| 4.2.3 常用不良数据辨识方法 | 第46-48页 |
| 4.3 基于标准化新息检测法的不良数据检测与辨识 | 第48-52页 |
| 4.3.1 状态预测值在不良数据检测中的作用 | 第48-49页 |
| 4.3.2 新息向量 | 第49页 |
| 4.3.3 标准化新息检测法 | 第49-50页 |
| 4.3.4 运行状态突变检测 | 第50-52页 |
| 4.4 仿真实验与结果分析 | 第52-59页 |
| 4.4.1 仿真概要 | 第52-53页 |
| 4.4.2 仿真实验 | 第53-59页 |
| 4.4.3 实验结果分析 | 第59页 |
| 4.5 本章小结 | 第59-60页 |
| 总结与展望 | 第60-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-66页 |
| 附录 | 第66-68页 |
