| 中文摘要 | 第1-6页 |
| 英文摘要 | 第6-12页 |
| 1 绪论 | 第12-32页 |
| ·引言 | 第12-13页 |
| ·发输电组合系统可靠性研究概述 | 第13-18页 |
| ·发输电组合系统可靠性研究发展概况 | 第14-16页 |
| ·发输电组合系统可靠性评估基本方法 | 第16-18页 |
| ·电力系统负荷预测研究概况 | 第18-20页 |
| ·软计算理论研究发展概述 | 第20-24页 |
| ·软计算概况 | 第20页 |
| ·粗糙集理论研究发展概况 | 第20-22页 |
| ·人工神经网络研究发展概况 | 第22-23页 |
| ·遗传算法研究发展概况 | 第23-24页 |
| ·软计算理论在电力系统可靠性评估和负荷预测中的应用 | 第24-25页 |
| ·论文主要内容 | 第25-32页 |
| ·问题的提出 | 第25-29页 |
| ·论文主要工作 | 第29-32页 |
| 2 软计算的基本理论 | 第32-48页 |
| ·粗糙集基本概念与理论 | 第32-41页 |
| ·基本概念 | 第32-37页 |
| ·条件属性深度逼近约简法(DARM) | 第37-40页 |
| ·决策规则集 | 第40-41页 |
| ·人工神经网络基本理论 | 第41-43页 |
| ·人工神经网络结构 | 第41页 |
| ·人工神经网络的计算原理 | 第41-42页 |
| ·人工神经网络的非线性逼近功能 | 第42-43页 |
| ·人工神经网络的学习过程 | 第43页 |
| ·遗传算法基本理论 | 第43-46页 |
| ·基本原理 | 第43-44页 |
| ·算法的主要步骤 | 第44页 |
| ·遗传算法的收敛性 | 第44-46页 |
| ·小结 | 第46-48页 |
| 3 电力系统负荷预测中的软计算模型及方法研究 | 第48-66页 |
| ·引言 | 第48-49页 |
| ·粗组合预测方法(RCFM) | 第49-53页 |
| ·问题的数学描述 | 第50页 |
| ·基本原理和计算流程 | 第50页 |
| ·粗组合预测模型 | 第50-53页 |
| ·多因素非线性相关负荷动态粗预测模型(DRFM) | 第53-59页 |
| ·多因素非线性相关负荷预测问题的数学描述 | 第54页 |
| ·动态粗预测模型(DRFM)的预测原理 | 第54-55页 |
| ·动态粗预测模型(DRFM) | 第55-59页 |
| ·算例与分析 | 第59-63页 |
| ·小结 | 第63-66页 |
| 4 发输电组合系统可靠性分析基本模型及算法 | 第66-82页 |
| ·概述 | 第66-68页 |
| ·基于安全考虑的发输电组合系统模型 | 第68-70页 |
| ·研究事件的确定 | 第70-71页 |
| ·可靠性指标 | 第71-72页 |
| ·系统解列判断 | 第72页 |
| ·支路开断模拟补偿法 | 第72-75页 |
| ·潮流计算 | 第75-80页 |
| ·网流模型 | 第75-76页 |
| ·直流潮流模型 | 第76-77页 |
| ·交流潮流模型 | 第77-80页 |
| ·故障后系统运行调整计算 | 第80页 |
| ·小结 | 第80-82页 |
| 5 偶发事件模式识别的软计算模型及算法研究 | 第82-98页 |
| ·引言 | 第82-84页 |
| ·偶发事件模式识别问题的数学描述 | 第84页 |
| ·粗分类与粗事件类的概念 | 第84-85页 |
| ·偶发事件模式粗识别原理 | 第85-87页 |
| ·偶发事件模式识别的RNNIM及结构 | 第87-89页 |
| ·RNNIM的遗传学习算法 | 第89-91页 |
| ·基于RNNIM的偶发事件模式识别算法 | 第91-92页 |
| ·基于RNNIM的可靠性评估算法 | 第92-97页 |
| ·训练模式的形成 | 第92-93页 |
| ·基于RNNIM的可靠性评估算法 | 第93-94页 |
| ·算例及分析 | 第94-97页 |
| ·小结 | 第97-98页 |
| 6 结论 | 第98-102页 |
| ·主要结论 | 第98-100页 |
| ·后续研究工作的展望 | 第100-102页 |
| 致 谢 | 第102-104页 |
| 参考文献 | 第104-112页 |
| 附 录 | 第112-120页 |