| 摘要 | 第1-8页 |
| Abstract | 第8-13页 |
| 第一章 绪论 | 第13-24页 |
| ·研究的背景 | 第13-15页 |
| ·变电站与调度自动化系统 | 第15-17页 |
| ·变电站自动化系统 | 第15-16页 |
| ·调度自动化系统 | 第16-17页 |
| ·电力系统中不良数据的辨识方法 | 第17-22页 |
| ·电力系统不良数据的定义及来源 | 第17-18页 |
| ·变电站自动化系统中的不良数据识别 | 第18-19页 |
| ·调度自动化系统中的不良数据识别 | 第19页 |
| ·基于状态估计的不良数据检测辨识 | 第19-20页 |
| ·基于数据挖掘的不良数据的检测辨识 | 第20-22页 |
| ·本文所做的工作及章节安排 | 第22-24页 |
| 第二章 基于BP 神经网络的VQC 不良数据辨识 | 第24-45页 |
| ·引言 | 第24页 |
| ·VQC 装置简介 | 第24-28页 |
| ·VQC 调节原理 | 第25页 |
| ·VQC 调节方式 | 第25-26页 |
| ·越限判定的方式 | 第26-27页 |
| ·VQC 闭锁问题 | 第27页 |
| ·VQC 运行中存在的问题 | 第27-28页 |
| ·BP 及改进BP 算法 | 第28-33页 |
| ·BP 神经网络原理 | 第28页 |
| ·BP 神经网络结构 | 第28-29页 |
| ·BP 神经网络算法描述 | 第29-32页 |
| ·改进BP 神经网络结构 | 第32-33页 |
| ·基于量测量的BP 状态估计器 | 第33-35页 |
| ·基于量测量的BP 状态估计器 | 第33-34页 |
| ·算例分析 | 第34页 |
| ·分析总结 | 第34-35页 |
| ·基于改进BP 神经网络的不良遥测数据辨识和仿真 | 第35-43页 |
| ·单台变压器VQC 中电压数据的辨识 | 第35-40页 |
| ·单台变压器VQC 中无功数据的辨识 | 第40-43页 |
| ·本章小结 | 第43-45页 |
| 第三章 基于SVM 的AVC 不良数据辨识 | 第45-61页 |
| ·引言 | 第45页 |
| ·AVC 简介 | 第45-48页 |
| ·AVC 控制模式 | 第45-46页 |
| ·AVC 控制方式 | 第46页 |
| ·电厂AVC 功能的实现方式 | 第46-47页 |
| ·电厂AVC 子站系统 | 第47-48页 |
| ·电厂AVC 子站逻辑 | 第48页 |
| ·SVM 简介 | 第48-51页 |
| ·SVM 的非线性回归算法 | 第49页 |
| ·SVM 分类算法 | 第49-51页 |
| ·基于SVM 的不良量测数据辨识 | 第51-59页 |
| ·单台发电机AVC 子站中电压数据辨识 | 第51-56页 |
| ·单台发电机AVC 子站中无功数据的辨识 | 第56-59页 |
| ·本章小结 | 第59-61页 |
| 第四章 变电站综合自动化系统中错误测量数据识别 | 第61-83页 |
| ·引言 | 第61-62页 |
| ·基于径向基函数神经网络的模式识别方法 | 第62-64页 |
| ·基于遗传径向基函数神经网络的不良互感器数据识别方法 | 第64-77页 |
| ·遗传算法简介 | 第64-66页 |
| ·遗传径向基函数神经网络简介 | 第66-70页 |
| ·基于遗传径向基函数神经网络的不良测量数据仿真设置 | 第70-77页 |
| ·基于SVM 的不良遥测数据辨识模型 | 第77-82页 |
| ·数值仿真 | 第77-82页 |
| ·本章小结 | 第82-83页 |
| 第五章 基于专家系统的不良遥信数据辨识 | 第83-91页 |
| ·引言 | 第83页 |
| ·厂、站端不良遥信数据及其常用防治方法 | 第83-86页 |
| ·遥信误动原因分析 | 第84页 |
| ·遥信误动的常用处理办法 | 第84-86页 |
| ·基于专家系统的不良遥信数据识别 | 第86-90页 |
| ·基于专家系统的不良遥信数据识别 | 第86-90页 |
| ·本章小结 | 第90-91页 |
| 结论与展望 | 第91-93页 |
| 1、总结 | 第91-92页 |
| 2、展望 | 第92-93页 |
| 参考文献 | 第93-102页 |
| 攻读博士学位期间取得的研究成果 | 第102-104页 |
| 致谢 | 第104页 |