基于堆栈式降噪自动编码器的概率潮流计算方法
| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4-5页 |
| 1 绪论 | 第8-15页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-14页 |
| 1.3 本文的主要工作 | 第14-15页 |
| 2 基于堆栈式降噪自动编码器的潮流求解模型 | 第15-35页 |
| 2.1 引言 | 第15页 |
| 2.2 潮流模型及求解算法 | 第15-16页 |
| 2.2.1 潮流模型 | 第15-16页 |
| 2.2.2 典型潮流求解算法 | 第16页 |
| 2.3 SDAE模型及深度神经网络训练方法 | 第16-25页 |
| 2.3.1 SDAE模型 | 第16-19页 |
| 2.3.2 深度神经网络训练方法 | 第19-25页 |
| 2.4 SDAE潮流求解模型及其训练方法 | 第25-31页 |
| 2.4.1 构建SDAE潮流求解模型 | 第25页 |
| 2.4.2 获取潮流训练样本 | 第25-26页 |
| 2.4.3 SDAE潮流求解模型初始化 | 第26页 |
| 2.4.4 SDAE潮流求解模型无监督预训练 | 第26-29页 |
| 2.4.5 SDAE潮流求解模型有监督微调 | 第29-31页 |
| 2.5 仿真分析 | 第31-34页 |
| 2.5.1 算例说明 | 第31-32页 |
| 2.5.2 SDAE潮流求解模型可解性判别验证 | 第32-33页 |
| 2.5.3 SDAE潮流求解模型计算精度分析 | 第33-34页 |
| 2.6 小结 | 第34-35页 |
| 3 基于堆栈式降噪自动编码器的概率潮流算法 | 第35-48页 |
| 3.1 引言 | 第35页 |
| 3.2 蒙特卡洛模拟法 | 第35-37页 |
| 3.3 SPPF算法流程 | 第37-39页 |
| 3.3.1 准备工作 | 第38页 |
| 3.3.2 计算概率潮流 | 第38-39页 |
| 3.3.3 概率潮流指标统计 | 第39页 |
| 3.4 基于BP神经网络的概率潮流算法 | 第39-42页 |
| 3.4.1 BP神经网络潮流求解模型 | 第39-40页 |
| 3.4.2 BP神经网络潮流求解模型训练方法 | 第40-41页 |
| 3.4.3 BP神经网络概率潮流求解算法流程 | 第41-42页 |
| 3.5 基于RBF神经网络的概率潮流算法 | 第42-44页 |
| 3.5.1 RBF神经网络潮流求解模型 | 第42-43页 |
| 3.5.2 RBF神经网络潮流求解模型训练方法 | 第43页 |
| 3.5.3 RBF神经网络概率潮流求解算法流程 | 第43-44页 |
| 3.6 仿真分析 | 第44-47页 |
| 3.6.1 算例说明 | 第44-45页 |
| 3.6.2 SPPF概率潮流计算性能分析 | 第45-47页 |
| 3.7 小结 | 第47-48页 |
| 4 总结与展望 | 第48-50页 |
| 4.1 本文的主要结论 | 第48-49页 |
| 4.2 有待于进一步研究的问题 | 第49-50页 |
| 致谢 | 第50-51页 |
| 参考文献 | 第51-55页 |
| 附录 | 第55页 |
| A.作者在攻读硕士学位期间发表的论文 | 第55页 |
| B.作者在攻读硕士学位期间申请的专利 | 第55页 |
| C.作者在攻读硕士学位期间参与的科研项目 | 第55页 |
