基于深度学习的孤岛检测方法研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-15页 |
| 1.1 背景与意义 | 第8-10页 |
| 1.2 孤岛检测问题的国内外发展现状 | 第10-12页 |
| 1.3 深度学习算法的国内外研究现状 | 第12-14页 |
| 1.4 本文主要内容 | 第14-15页 |
| 第2章 孤岛检测的原理及存在的问题 | 第15-23页 |
| 2.1 孤岛检测的标准 | 第15-16页 |
| 2.2 孤岛检测的基本原理 | 第16-17页 |
| 2.3 孤岛检测的盲区 | 第17-20页 |
| 2.4 孤岛检测存在的一些问题 | 第20-22页 |
| 2.5 本章小结 | 第22-23页 |
| 第3章 微电网建模及孤岛仿真 | 第23-36页 |
| 3.1 微电网模型 | 第23-33页 |
| 3.1.1 光伏发电系统模型 | 第23-27页 |
| 3.1.2 储能系统模型 | 第27-31页 |
| 3.1.3 微电网模型搭建 | 第31-33页 |
| 3.2 孤岛数据提取 | 第33-35页 |
| 3.3 本章小结 | 第35-36页 |
| 第4章 基于深度学习的孤岛检测模型构建 | 第36-50页 |
| 4.1 深度学习简介 | 第36-38页 |
| 4.1.1 深度学习概念 | 第36页 |
| 4.1.2 深度学习流程 | 第36-38页 |
| 4.2 深度前馈网络模型 | 第38-43页 |
| 4.2.1 深度前馈网络预测模型架构 | 第38-39页 |
| 4.2.2 激活函数选择 | 第39-40页 |
| 4.2.3 损失函数选择 | 第40-41页 |
| 4.2.4 超参数调整策略 | 第41-43页 |
| 4.3 实验 | 第43-49页 |
| 4.3.1 实验环境 | 第43页 |
| 4.3.2 实验数据 | 第43-44页 |
| 4.3.3 深度前馈神经网络实验 | 第44页 |
| 4.3.4 实验结果 | 第44-49页 |
| 4.4 本章小结 | 第49-50页 |
| 第5章 结论 | 第50-51页 |
| 参考文献 | 第51-54页 |
| 在学研究成果 | 第54-55页 |
| 致谢 | 第55页 |
