基于GSA的昆明电网不良数据辨识与修正研究
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-17页 |
| ·电力系统不良数据辨识与修正意义 | 第9页 |
| ·不良数据辨识与修正国内外研究现状 | 第9-12页 |
| ·不良数据辨识国内外研究现状 | 第9-11页 |
| ·不良数据修正国内外研究现状 | 第11-12页 |
| ·昆明电网状态估计研究 | 第12-16页 |
| ·状态估计的意义 | 第13页 |
| ·昆明电网状态估计现状 | 第13-16页 |
| ·本文主要工作 | 第16-17页 |
| 第2章 基于GSA算法的不良数据辨识 | 第17-27页 |
| ·GSA算法辨识不良数据流程 | 第17-18页 |
| ·BP神经网络算法对数据的预处理 | 第18-22页 |
| ·BP神经网络的结构 | 第18-19页 |
| ·BP神经网络数学模型 | 第19-22页 |
| ·K均值算法对数据的聚类分析 | 第22-23页 |
| ·K-means算法的介绍 | 第22-23页 |
| ·K-means算法步骤 | 第23页 |
| ·间隙统计确认不良数据位置 | 第23-26页 |
| ·GSA算法的结构 | 第24-25页 |
| ·GSA算法的特点 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 第3章 基于遗传神经网络算法的不良数据修正 | 第27-32页 |
| ·遗传神经网络算法修正不良数据流程 | 第27-28页 |
| ·遗传算法对BP神经算法的优化改进 | 第28-31页 |
| ·遗传算法及其步骤 | 第28-29页 |
| ·遗传算法优化BP神经网络结构 | 第29-30页 |
| ·遗传算法优化BP神经网络初始权值 | 第30-31页 |
| ·本章小结 | 第31-32页 |
| 第4章 基于昆明电网的不良数据辨识与修正仿真 | 第32-55页 |
| ·仿真数据 | 第33页 |
| ·GSA算法准确性验证仿真 | 第33-45页 |
| ·数据预处理 | 第34页 |
| ·数据辨识与修正仿真分析 | 第34-45页 |
| ·不良数据辨识修正算法与状态估计对比分析 | 第45-54页 |
| ·单不良数据情况分析 | 第46-48页 |
| ·多不良数据情况分析 | 第48-52页 |
| ·状态估计不收敛情况分析 | 第52-54页 |
| ·本章小结 | 第54-55页 |
| 第5章 结论及展望 | 第55-57页 |
| ·结论 | 第55页 |
| ·展望 | 第55-57页 |
| 参考文献 | 第57-60页 |
| 在学期间发表的学术论文和参加科研情况 | 第60-61页 |
| 致谢 | 第61页 |
