摘要 | 第3-5页 |
ABSTRACT | 第5-6页 |
目录 | 第7-9页 |
1 绪论 | 第9-33页 |
1.1 问题的提出以及研究意义 | 第9-13页 |
1.1.1 智能电网 | 第9-11页 |
1.1.2 电力系统的故障诊断和暂态故障预防 | 第11-13页 |
1.2 国内外研究现状 | 第13-30页 |
1.2.1 关于动态系统故障诊断技术的研究现状 | 第13-23页 |
1.2.3 电网故障检测和暂态预防控制的研究现状 | 第23-30页 |
1.3 本文的主要内容和结构 | 第30-32页 |
1.4 本章小结 | 第32-33页 |
2 智能电网暂态保护系统结构和暂态模型 | 第33-43页 |
2.1 智能电网系统结构 | 第33-34页 |
2.2 智能电网下的暂态保护系统 | 第34-37页 |
2.3 电网暂态模型 | 第37-39页 |
2.4 统一潮流控制器模型 | 第39-42页 |
2.5 本章小结 | 第42-43页 |
3 基于极点配置 LRGF 神经网络的电网暂态故障检测 | 第43-71页 |
3.1 引言 | 第43-44页 |
3.2 系统故障检测 | 第44-46页 |
3.3 基于极点配置的 LRGF 神经网络 | 第46-53页 |
3.3.1 局部动态神经网络 | 第46-48页 |
3.3.2 基于极点配置稳定的局部递归神经网络 | 第48-51页 |
3.3.3 基于极点配置 LRGF 神经网络的学习训练 | 第51-53页 |
3.4 自适应小波提升方案 | 第53-56页 |
3.4.1 小波提升方案 | 第53-54页 |
3.4.2 自适应小波提升方案 | 第54-56页 |
3.5 突变和缓变故障检测 | 第56-58页 |
3.6 仿真实例 | 第58-69页 |
3.6.1 传输线路故障 | 第61-64页 |
3.6.2 平衡节点故障 | 第64-67页 |
3.6.3 负荷节点故障 | 第67-69页 |
3.7 本章小结 | 第69-71页 |
4 基于在线自适应 PCA 的电网暂态故障检测 | 第71-91页 |
4.1 引言 | 第71-72页 |
4.2 基于自适应 PCA 故障检测系统结构 | 第72-73页 |
4.3 主元分析和故障检测 | 第73-76页 |
4.3.1 主元分析 | 第73-75页 |
4.3.2 T2统计 | 第75页 |
4.3.3 Q 统计 | 第75-76页 |
4.4 自适应主元分解算法 | 第76-77页 |
4.5 基于最速下降的在线自适应 PCA 算法 | 第77-83页 |
4.5.1 目标函数和协方差矩阵的在线迭代 | 第78-79页 |
4.5.2 最优搜索算法 | 第79-81页 |
4.5.3 基于梯度下降法的自适应 PCA 算法收敛性分析 | 第81-83页 |
4.6 仿真实例 | 第83-89页 |
4.6.1 三节点电力系统仿真 | 第83-86页 |
4.6.2 162 节点电力系统仿真实例 | 第86-89页 |
4.7 本章小结 | 第89-91页 |
5 基于障碍函数的暂态电流过载预防控制 | 第91-113页 |
5.1 引言 | 第91-92页 |
5.2 基于能量函数的暂态分析 | 第92-96页 |
5.2.1 电力网络的能量函数 | 第93-94页 |
5.2.2 基于能量函数的稳定性分析 | 第94-96页 |
5.3 基于障碍函数的暂态电流过载预防控制 | 第96-105页 |
5.3.1 集成 UPFC 的电力系统暂态模型 | 第96-98页 |
5.3.2 系统控制过程 | 第98-99页 |
5.3.3 障碍函数 | 第99-100页 |
5.3.4 控制器设计 | 第100-103页 |
5.3.5 吸引区域分析 | 第103-105页 |
5.4 仿真实例 | 第105-111页 |
5.4.1 3 节点电力系统仿真 | 第105-108页 |
5.4.2 162 节点电力系统仿真 | 第108-111页 |
5.5 本章小结 | 第111-113页 |
6 总结与展望 | 第113-117页 |
6.1 总结 | 第113-114页 |
6.2 展望 | 第114-117页 |
致谢 | 第117-119页 |
参考文献 | 第119-131页 |
附录 | 第131页 |
A. 作者在攻读学位期间发表的论文目录 | 第131页 |
B. 作者在攻读博士学位期间参加的科研项目 | 第131页 |