智能稳定评估中的关键特征识别研究
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-12页 |
| 第一章 绪论 | 第12-24页 |
| ·研究意义和背景 | 第12-13页 |
| ·暂态稳定评估的基本概念和数学模型 | 第13-14页 |
| ·电力系统暂态稳定评估的主要方法 | 第14-21页 |
| ·时域仿真法 | 第15页 |
| ·直接法 | 第15-19页 |
| ·人工智能方法 | 第19-21页 |
| ·智能稳定评估的一般思路 | 第21-23页 |
| ·论文的主要工作 | 第23-24页 |
| 第二章 智能稳定评估的特征选择方法 | 第24-35页 |
| ·引言 | 第24页 |
| ·原始输入特征的选取 | 第24-27页 |
| ·特征选择概述 | 第27-28页 |
| ·特征选择算法分类 | 第28-33页 |
| ·按子集评估准则不同分类 | 第28-29页 |
| ·按子集形成策略不同分类 | 第29-33页 |
| ·论文采用的特征选择算法 | 第33-34页 |
| ·本章小结 | 第34-35页 |
| 第三章 基于改进蚁群算法的特征选择方法 | 第35-50页 |
| ·基本蚁群算法 | 第35-39页 |
| ·概述 | 第35页 |
| ·蚁群算法的原理 | 第35-37页 |
| ·蚁群算法的数学模型 | 第37-39页 |
| ·特征选择问题中的蚁群算法设计 | 第39-42页 |
| ·特征选择图形描述 | 第39-40页 |
| ·搜索特征子集的基本思想 | 第40-41页 |
| ·基于k近邻法的特征组合适应度评价 | 第41-42页 |
| ·蚁群算法的改进 | 第42-46页 |
| ·蚂蚁状态转移概率的确定 | 第42页 |
| ·局部细化搜索过程 | 第42-43页 |
| ·蚂蚁的搜索终止条件及算法终止条件 | 第43页 |
| ·信息素的更新 | 第43-44页 |
| ·算法流程 | 第44-46页 |
| ·参数选择对算法的影响及其改进 | 第46-47页 |
| ·初始信息素容度τ_0 | 第46页 |
| ·信息素增长容度Q | 第46页 |
| ·信息残留因子ρ | 第46页 |
| ·重要性因子α和β | 第46-47页 |
| ·人工测试样本下的算法测试 | 第47-48页 |
| ·本章小结 | 第48-50页 |
| 第四章 基于动态特征的稳定评估关键特征提取 | 第50-64页 |
| ·输入特征集的构造 | 第50-55页 |
| ·特征选择结果 | 第55-59页 |
| ·样本构造 | 第55-56页 |
| ·特征选择结果及分析 | 第56-59页 |
| ·不同系统特征选择结果比较 | 第59-63页 |
| ·知识获取及验证 | 第59-62页 |
| ·获取知识的分析与比较 | 第62-63页 |
| ·本章小结 | 第63-64页 |
| 第五章 基于稳态运行信息的稳定评估关键特征选择 | 第64-78页 |
| ·输入特征集的构造 | 第64-65页 |
| ·特征选择结果 | 第65-71页 |
| ·IEEE3 机9 节点系统特征选择结果 | 第65-69页 |
| ·IEEE10 机39 节点系统特征选择结果 | 第69-71页 |
| ·离散化对特征选择结果的影响 | 第71-74页 |
| ·基于稳态潮流量的电网安全评估 | 第74-76页 |
| ·本章小结 | 第76-78页 |
| 结论与展望 | 第78-80页 |
| 参考文献 | 第80-89页 |
| 攻读硕士学位期间取得的研究成果 | 第89-90页 |
| 致谢 | 第90页 |
