首页--工业技术论文--电工技术论文--输配电工程、电力网及电力系统论文--电力系统的调度、管理、通信论文--电力系统调度自动化论文

基于动态安全域理论的动态安全分析的研究

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

论文共92页,点击 下载论文
上一篇:西部地区中等职业教育投资主体多元化模式研究
下一篇:语音技术在塔台模拟机上的应用