基于粒子群算法和量子粒子群算法的电力系统故障诊断
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-18页 |
| ·本文研究的背景和意义 | 第9页 |
| ·电力系统故障诊断概述 | 第9-11页 |
| ·电力系统故障诊断技术的研究现状 | 第11-17页 |
| ·专家系统 | 第11-12页 |
| ·优化技术 | 第12-13页 |
| ·人工神经网络 | 第13-14页 |
| ·Petri网络 | 第14页 |
| ·模糊集理论 | 第14-15页 |
| ·粗糙集理论 | 第15-16页 |
| ·贝叶斯网络方法 | 第16-17页 |
| ·本文的主要工作 | 第17-18页 |
| 第2章 基于优化技术的电力系统故障诊断方法 | 第18-27页 |
| ·电力系统故障诊断的0-1整数规划数学模型 | 第18-20页 |
| ·目标函数的自动形成 | 第20-23页 |
| ·故障区域的识别 | 第23-25页 |
| ·0-1整数规划 | 第25-26页 |
| ·小结 | 第26-27页 |
| 第3章 粒子群优化算法和量子粒子群优化算法 | 第27-37页 |
| ·粒子群算法的产生 | 第27-28页 |
| ·人工生命 | 第27页 |
| ·群体智能 | 第27-28页 |
| ·粒子群优化算法的基本思想 | 第28-30页 |
| ·粒子群优化算法模型 | 第30-34页 |
| ·粒子群优化算法生物模型 | 第30页 |
| ·标准粒子群优化算法数学模型 | 第30-32页 |
| ·标准粒子群算法的实现步骤 | 第32页 |
| ·模型参数分析 | 第32-34页 |
| ·量子粒子群算法的产生 | 第34-35页 |
| ·量子粒子群优化算法的基本思想 | 第35-36页 |
| ·量子粒子群优化算法的实现步骤 | 第36页 |
| ·小结 | 第36-37页 |
| 第4章 故障诊断方法的仿真分析 | 第37-56页 |
| ·仿真测试系统 | 第37-38页 |
| ·简单故障情形 | 第38-46页 |
| ·识别停电区域 | 第38页 |
| ·确定各保护和断路器的实际状态向量 | 第38-39页 |
| ·确定保护和断路器期望状态向量 | 第39-40页 |
| ·确定数学模型 | 第40页 |
| ·利用优化算法求解 | 第40-46页 |
| ·诊断容错分析 | 第46页 |
| ·较复杂故障 | 第46-51页 |
| ·识别停电区域 | 第47页 |
| ·确定各保护和断路器的实际状态向量 | 第47页 |
| ·确定保护和断路器期望状态向量 | 第47-48页 |
| ·确定数学模型 | 第48页 |
| ·利用优化算法求解 | 第48-51页 |
| ·诊断容错分析 | 第51页 |
| ·复杂故障情形 | 第51-56页 |
| ·利用遗传算法求解 | 第51-52页 |
| ·利用粒子群算法求解 | 第52-53页 |
| ·利用量子粒子群算法求解 | 第53-54页 |
| ·诊断容错分析 | 第54-56页 |
| 结论 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 致谢 | 第61-62页 |
| 附录A 攻读学位期间所发表的学术论文目录 | 第62页 |
