第一章 绪论 | 第1-20页 |
·电力系统安全分析的研究意义 | 第10页 |
·电力系统安全分析的特点 | 第10-11页 |
·国内外研究现状及动态 | 第11-17页 |
·数值解法 | 第12-13页 |
·直接法 | 第13-14页 |
·人工智能方法 | 第14-17页 |
·本文所的工作 | 第17-20页 |
第二章 基于动态安全域的电力系统动态安全分析理论 | 第20-27页 |
·电力系统动态安全域理论(dynamic security region,DSR) | 第20-24页 |
·电力系统动态安全域的定义 | 第20-21页 |
·电力系统暂态稳定域的定义和简化 | 第21-24页 |
·超平面形式的实用动态安全域理论及其算法 | 第24-27页 |
第三章 基于BP网络和模糊理论的超平面拟合法 | 第27-37页 |
·引言 | 第27页 |
·实用的电力系统动态安全域 | 第27-29页 |
·基于BP网络和模糊理论的实用动态安全域方法 | 第29-32页 |
·超平面ANN拟合法 | 第29-30页 |
·模糊识别器原理与实现 | 第30-31页 |
·临界点模糊选择器 | 第31-32页 |
·超平面ANN拟合法中系统灵敏度和超平面度的分析 | 第32-33页 |
·灵敏度 | 第32-33页 |
·超平面度 | 第33页 |
·实验验证和比较 | 第33-36页 |
·实验1 | 第33-35页 |
·实验2 | 第35-36页 |
·结论 | 第36-37页 |
第四章 电力系统动态安全分析的ANN动态安全域方法 | 第37-49页 |
·引言 | 第37-38页 |
·神经网络动态安全域方法(ANN 动态安全域方法) | 第38-41页 |
·神经网络动态安全域ANN模型 | 第38-39页 |
·两类分类器ANN模型的原理和实现 | 第39页 |
·三类分类器ANN模型的原理和实现 | 第39-40页 |
·稳定裕度拟合器ANN模型的原理和实现 | 第40-41页 |
·实验验证和比较 | 第41-47页 |
·基于分类的两种方法的比较 | 第42-45页 |
·两种基于稳定裕度方法的比较 | 第45-47页 |
·结论 | 第47-49页 |
第五章 基于决策表-粗糙集理论的动态安全分析的神经网络输入特征的优选 | 第49-69页 |
·引言 | 第49-50页 |
·神经网络输入特征优选法简介 | 第50-52页 |
·优选方法的优选目标 | 第50-51页 |
·优选方法的确立 | 第51-52页 |
·基于粗糙集的离散化方法 | 第52-55页 |
·粗糙集理论和决策表化简 | 第52-54页 |
·连续数据的离散化方法 | 第54-55页 |
·决策表最优特征子集理论的神经网络输入特征的优选法 | 第55-62页 |
·决策表最优特征子集的相关理论——扩张矩阵理论 | 第55-59页 |
·决策表最优特征子集的优选算法 | 第59-60页 |
·动态安全域ANN输入特征最优特征子集优选法 | 第60-62页 |
·实验验证和比较 | 第62-68页 |
·实验1 | 第62-66页 |
·实验2 | 第66-68页 |
·结论 | 第68-69页 |
第六章 基于一种自适应神经网络的动态安全分析 | 第69-77页 |
·引言 | 第69页 |
·BP神经网络分析方法理论的基础和不足 | 第69-71页 |
·带故障分析的自适应神经网络分析方法(SA-ANN) | 第71-73页 |
·半自适应模型(Half-self-adaptive module,TSAM) | 第71-72页 |
·全自适应模型(Total-self-adaptive module,TSAM) | 第72-73页 |
·实验验证和比较 | 第73-75页 |
·半自适应模型(Half-self-adaptive module,HSAM)的仿真 | 第74-75页 |
·全自适应模型(Total-self-adaptive module,TSAM)的仿真 | 第75页 |
·结论 | 第75-77页 |
第七章 总结和展望 | 第77-79页 |
·总结 | 第77-78页 |
·展望 | 第78-79页 |
参考文献 | 第79-85页 |
攻读硕士学位期间完成的学术论文 | 第85-86页 |
声明 | 第86-87页 |
致谢 | 第87-88页 |
附录Ⅰ-寻找最优特征子集问题的启发式算法 | 第88-89页 |
附录Ⅱ | 第89-92页 |