| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 1 绪论 | 第8-18页 |
| 1.1 课题的背景和意义 | 第8-9页 |
| 1.2 油气田配电系统的研究现状 | 第9-14页 |
| 1.2.1 配电线路经济性的研究现状 | 第9-10页 |
| 1.2.2 无功补偿的研究现状 | 第10-11页 |
| 1.2.3 神经网络在配电系统优化应用中的研究现状 | 第11-14页 |
| 1.3 油气田配电系统优化研究的过程 | 第14-17页 |
| 1.4 本课题的主要研究内容及创新点 | 第17-18页 |
| 2 配电线路优化方法研究 | 第18-33页 |
| 2.1 配电导线类型的选择 | 第18-19页 |
| 2.2 配电导线截面的选取方法 | 第19-21页 |
| 2.3 灰关联分析法 | 第21-23页 |
| 2.3.1 灰关联分析法及优点 | 第21-22页 |
| 2.3.2 灰关联分析的主要步骤 | 第22-23页 |
| 2.4 基于灰关联-神经网络的配电线路优化方法 | 第23-32页 |
| 2.4.1 神经网络拓扑结构及特点 | 第24-25页 |
| 2.4.2 基于灰关联法的神经网络输入向量的提取 | 第25页 |
| 2.4.3 神经网络的输出层、隐含层提取方法 | 第25-26页 |
| 2.4.4 传统 BP 学习算法 | 第26-27页 |
| 2.4.5 LM 学习算法 | 第27-29页 |
| 2.4.6 数据的归一化 | 第29页 |
| 2.4.7 网络训练及验证 | 第29-32页 |
| 2.5 本章小结 | 第32-33页 |
| 3 无功补偿优化方法研究 | 第33-44页 |
| 3.1 无功补偿的基本理论分析 | 第33-38页 |
| 3.1.1 优化无功补偿装置的方法 | 第33-36页 |
| 3.1.2 确定无功补偿容量的方法 | 第36-38页 |
| 3.2 基于 Hopfield 神经网络的配电系统无功补偿优化方法 | 第38-42页 |
| 3.2.1 Hopfield 神经网络的特点 | 第38页 |
| 3.2.2 Hopfield 神经网络拓扑结构及能量函数 | 第38-41页 |
| 3.2.3 hopfield 神经网络优化步骤 | 第41-42页 |
| 3.3 无功补偿数学模型的建立方法 | 第42-43页 |
| 3.3.1 网络图论法 | 第42-43页 |
| 3.3.2 关联矩阵法 | 第43页 |
| 3.4 本章小结 | 第43-44页 |
| 4 某地油气田配电系统优化计算 | 第44-57页 |
| 4.1 引言 | 第44-45页 |
| 4.2 某地油气田配电线路优化计算 | 第45-51页 |
| 4.2.1 GRA-ANN 网络输入向量的确定 | 第45-46页 |
| 4.2.2 GRA-ANN 网络输出向量及隐含层的确定 | 第46页 |
| 4.2.5 网络训练及验证 | 第46-50页 |
| 4.2.6 结论 | 第50-51页 |
| 4.3 某地油气田无功补偿优化计算 | 第51-57页 |
| 4.3.1 配电系统的数学模型 | 第51-54页 |
| 4.3.2 Hopfield 神经网络模型 | 第54-55页 |
| 4.3.3 无功补偿模型 | 第55-56页 |
| 4.3.4 结论 | 第56-57页 |
| 5 结论与展望 | 第57-59页 |
| 5.1 主要结论 | 第57页 |
| 5.2 后续研究工作的展望 | 第57-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-63页 |
| 附录 | 第63页 |
| A 作者在攻读学位期间发表的论文题目 | 第63页 |
