| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第1章 绪论 | 第8-13页 |
| 1.1 研究背景与意义 | 第8页 |
| 1.2 研究现状及其难点 | 第8-11页 |
| 1.2.1 研究现状 | 第8-10页 |
| 1.2.2 研究难点 | 第10-11页 |
| 1.3 本文研究内容和组织结构 | 第11-13页 |
| 第2章 配电网的故障恢复机理 | 第13-24页 |
| 2.1 配电网的组成结构 | 第13-14页 |
| 2.2 配电网的种类 | 第14-15页 |
| 2.3 配电网故障恢复关键步骤 | 第15-17页 |
| 2.4 机器学习在配电网故障恢复中场景中应用 | 第17-22页 |
| 2.4.1 监督学习在配电网故障恢复中的应用思路 | 第17-18页 |
| 2.4.2 非监督学习在配电网故障恢复中的应用思路 | 第18-19页 |
| 2.4.3 故障恢复所需满足的特性要求 | 第19-22页 |
| 2.5 本章小结 | 第22-24页 |
| 第3章 基于回声状态网络（ESN）的配电网故障恢复 | 第24-40页 |
| 3.1 引言 | 第24-25页 |
| 3.2 回声状态网络（ESN） | 第25-28页 |
| 3.2.1 回声状态网络的原理与构造 | 第25-26页 |
| 3.2.2 回声状态网络的相关参数 | 第26-27页 |
| 3.2.3 回声状态网络的训练过程 | 第27-28页 |
| 3.3 基于树形遍历法的配电网故障恢复 | 第28-33页 |
| 3.3.1 辐射状运行状态的必要性 | 第28页 |
| 3.3.2 树形遍历法的模型建立 | 第28-31页 |
| 3.3.3 树形遍历法的应用流程 | 第31-33页 |
| 3.4 训练样本生成 | 第33-34页 |
| 3.5 仿真结果与分析 | 第34-39页 |
| 3.5.1 仿真实验模型 | 第34-36页 |
| 3.5.2 训练算法 | 第36-37页 |
| 3.5.3 算法性能 | 第37-39页 |
| 3.6 本章小结 | 第39-40页 |
| 第4章 基于多目标优化回声状态网络的无监督学习配电网故障恢复 | 第40-52页 |
| 4.1 引言 | 第40-41页 |
| 4.2 故障恢复操作方案 | 第41-44页 |
| 4.2.1 节点深度编码（NDE）相关理论 | 第41-43页 |
| 4.2.2 配电网的切割与转移操作 | 第43-44页 |
| 4.3 基于多目标优化ESN的配电网故障恢复算法 | 第44-48页 |
| 4.3.1 非支配目标排序算法-II（NSGA-II） | 第44-46页 |
| 4.3.2 目标函数与约束条件的处理方式 | 第46-47页 |
| 4.3.3 回声状态网络的输出 | 第47-48页 |
| 4.3.4 算法步骤 | 第48页 |
| 4.4 仿真结果与分析 | 第48-51页 |
| 4.4.1 训练过程 | 第48-51页 |
| 4.4.2 激活函数对训练结果的影响 | 第51页 |
| 4.5 本章小结 | 第51-52页 |
| 第5章 总结与展望 | 第52-54页 |
| 5.1 论文工作总结 | 第52-53页 |
| 5.2 论文工作展望 | 第53-54页 |
| 参考文献 | 第54-57页 |
| 致谢 | 第57-58页 |
| 附录 攻读硕士学位期间发表的论文 | 第58页 |
