基于遗传模拟退火的电网故障诊断算法研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-17页 |
| 1.1 课题研究的背景和意义 | 第8页 |
| 1.2 电网故障诊断现状 | 第8-14页 |
| 1.2.1 专家系统 | 第9-10页 |
| 1.2.2 人工神经网络 | 第10页 |
| 1.2.3 Petri 网 | 第10-11页 |
| 1.2.4 模糊理论 | 第11-12页 |
| 1.2.5 粗糙集 | 第12-13页 |
| 1.2.6 信息理论 | 第13页 |
| 1.2.7 优化方法 | 第13-14页 |
| 1.3 本文研究的主要内容 | 第14-17页 |
| 第二章 故障信息的采集与处理 | 第17-29页 |
| 2.1 配电管理系统 | 第18-19页 |
| 2.2 WAMS 系统对信息的处理 | 第19-22页 |
| 2.2.1 WAMS 系统的结构 | 第19-21页 |
| 2.2.2 WAMS 的工作原理 | 第21页 |
| 2.2.3 WAMS 实时监测 | 第21-22页 |
| 2.3 SCADA 系统对故障区域的定位 | 第22-27页 |
| 2.3.1 网络拓扑结构分析 | 第22-23页 |
| 2.3.2 网络拓扑结构所用算法 | 第23-25页 |
| 2.3.3 确定故障区域 | 第25-27页 |
| 2.4 GSA 算法诊断 | 第27页 |
| 2.5 故障滤波信息 | 第27-29页 |
| 第三章 诊断算法研究及模型的改进 | 第29-42页 |
| 3.1 遗传算法 | 第29-33页 |
| 3.1.1 遗传算法介绍 | 第29页 |
| 3.1.2 遗传算法的特点 | 第29-30页 |
| 3.1.3 遗传算法的基本原理 | 第30-31页 |
| 3.1.4 遗传算法步骤及流程 | 第31-33页 |
| 3.2 模拟退火算法 | 第33-36页 |
| 3.2.1 模拟退火算法介绍 | 第33-34页 |
| 3.2.2 模拟退火算法步骤及流程 | 第34-35页 |
| 3.2.3 模拟退火算法相关参数的控制 | 第35-36页 |
| 3.2.4 模拟退火算法的优缺点 | 第36页 |
| 3.3 遗传模拟退火算法 | 第36-39页 |
| 3.3.1 遗传模拟退火算法的基本思想 | 第37页 |
| 3.3.2 遗传模拟退火算法的步骤 | 第37-38页 |
| 3.3.3 遗传模拟退火算法的优势 | 第38-39页 |
| 3.4 目标函数 | 第39-42页 |
| 3.4.1 目标函数存在的问题 | 第39-40页 |
| 3.4.2 改进目标函数 | 第40-42页 |
| 第四章 基于 GSA 算法的故障诊断系统 | 第42-51页 |
| 4.1 故障诊断系统 | 第42-43页 |
| 4.2 故障诊断过程 | 第43-45页 |
| 4.3 典型案例分析 | 第45-51页 |
| 4.3.1 保护原理 | 第45-46页 |
| 4.3.2 仿真结果分析 | 第46-49页 |
| 4.3.3 案例验证 | 第49-51页 |
| 第五章 总结与展望 | 第51-53页 |
| 参考文献 | 第53-56页 |
| 发表论文和参加科研情况说明 | 第56-57页 |
| 致谢 | 第57页 |
