状态估计和简化梯度法在AVC系统的应用研究
| 摘要 | 第7-8页 |
| Abstract | 第8页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 研究意义及目的 | 第11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.3 研究目标 | 第14页 |
| 1.4 研究内容 | 第14-15页 |
| 1.5 研究方法 | 第15页 |
| 1.6 技术路线 | 第15-16页 |
| 1.7 研究的创新性 | 第16页 |
| 1.8 本章小结 | 第16-17页 |
| 第2章 无功优化模型和算法 | 第17-25页 |
| 2.1 无功优化模型 | 第17-18页 |
| 2.1.1 无功优化的目标函数 | 第17-18页 |
| 2.1.2 约束条件 | 第18页 |
| 2.2 传统无功优化算法 | 第18-20页 |
| 2.2.1 线性规划法 | 第18-19页 |
| 2.2.2 非线性规划法 | 第19页 |
| 2.2.3 内点法 | 第19-20页 |
| 2.2.4 混合整数规划法 | 第20页 |
| 2.2.5 动态规划法 | 第20页 |
| 2.3 人工智能算法 | 第20-22页 |
| 2.3.1 遗传算法 | 第20-21页 |
| 2.3.2 模拟退火法 | 第21页 |
| 2.3.3 粒子群算法 | 第21页 |
| 2.3.4 人工神经网络 | 第21-22页 |
| 2.4 无功优化方法对比 | 第22页 |
| 2.5 简化梯度优化算法 | 第22-24页 |
| 2.6 本章小结 | 第24-25页 |
| 第3章 基于状态估计的数据优化 | 第25-36页 |
| 3.1 概述 | 第25-27页 |
| 3.1.1 电力系统状态估计的必要性 | 第25页 |
| 3.1.2 状态估计的主要功能 | 第25-26页 |
| 3.1.3 电力系统状态估计的基本步骤 | 第26页 |
| 3.1.4 状态估计算法 | 第26-27页 |
| 3.2 加权最小二乘算法 | 第27-30页 |
| 3.2.1 算法基本原理 | 第27-29页 |
| 3.2.2 程序设计框图 | 第29-30页 |
| 3.3 算例分析 | 第30-31页 |
| 3.4 利用简化梯度法进行无功优化 | 第31-35页 |
| 3.4.1 数学模型 | 第31-32页 |
| 3.4.2 数学模型的特点 | 第32-33页 |
| 3.4.3 简化梯度算法 | 第33-34页 |
| 3.4.4 计算过程 | 第34页 |
| 3.4.5 算法分析 | 第34-35页 |
| 3.5 本章小结 | 第35-36页 |
| 第4章 状态估计和梯度算法在AVC系统的应用 | 第36-50页 |
| 4.1 AVC系统介绍 | 第36-40页 |
| 4.1.1 系统功能模块构成 | 第36-37页 |
| 4.1.2 系统设计简介 | 第37-38页 |
| 4.1.3 系统实现的主要功能 | 第38-40页 |
| 4.2 白银电网无功优化分析 | 第40-45页 |
| 4.2.1 概况 | 第40-41页 |
| 4.2.2 白银电网接线方式 | 第41页 |
| 4.2.3 白银电网无功优化数据结果分析 | 第41-45页 |
| 4.3 各节点注入功率 | 第45-46页 |
| 4.4 无功优化实际应用 | 第46-49页 |
| 4.4.1 AVC系统的应用 | 第46-47页 |
| 4.4.2 白银电网AVC控制策略 | 第47-48页 |
| 4.4.3 系统应用分析 | 第48-49页 |
| 4.5 本章小结 | 第49-50页 |
| 第5章 总结与展望 | 第50-53页 |
| 5.1 总结 | 第50-51页 |
| 5.2 展望 | 第51-53页 |
| 参考文献 | 第53-56页 |
| 致谢 | 第56页 |
