| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-21页 |
| 1.1 智能配电网的灾害评估及应急恢复方法的背景及意义 | 第11-13页 |
| 1.2 国内外发展及研究现状 | 第13-19页 |
| 1.2.1 电网灾害评估及应灾管理技术研究现状 | 第13-18页 |
| 1.2.2 配电网供电恢复方法研究现状 | 第18-19页 |
| 1.3 本文工作 | 第19-21页 |
| 第2章 辽宁配电网应灾管理可视化系统建设 | 第21-35页 |
| 2.1 自然灾害对配电网的影响 | 第21-24页 |
| 2.1.1 影响我国电网的主要自然灾害类型 | 第21-22页 |
| 2.1.2 自然灾害对配电网影响因素分析 | 第22-24页 |
| 2.2 智能配电网应灾管理系统建设 | 第24-30页 |
| 2.2.1 配电网应灾管理系统软件开发环境 | 第25页 |
| 2.2.2 配电网应灾管理系统通讯结构 | 第25-27页 |
| 2.2.3 配电网应灾管理系统体系信息资源的整合 | 第27-29页 |
| 2.2.4 配电网应灾管理系统功能流程 | 第29-30页 |
| 2.3 配电网应灾管理系统主要功能模块 | 第30-34页 |
| 2.4 本章小结 | 第34-35页 |
| 第3章 基于直觉模糊粗糙集的配电网灾害评估研究 | 第35-51页 |
| 3.1 基于改进的层次分析法建立配电网灾害评估体系 | 第35-40页 |
| 3.1.1 配电网灾害评估指标体系的构建 | 第35-37页 |
| 3.1.2 改进的层次分析法 | 第37-40页 |
| 3.2 直觉模糊粗糙集理论的约简算法 | 第40-42页 |
| 3.2.1 直觉模糊粗糙集理论 | 第40-41页 |
| 3.2.2 直觉模糊粗糙集理论的约简算法 | 第41-42页 |
| 3.3 基于直觉模糊粗糙集的配电网灾害评估建模 | 第42-46页 |
| 3.4 仿真分析 | 第46-50页 |
| 3.4.1 仿真系统界面 | 第46-47页 |
| 3.4.2 算例分析 | 第47-50页 |
| 3.5 本章小结 | 第50-51页 |
| 第4章 配电网应灾恢复各阶段方法研究 | 第51-67页 |
| 4.1 配电网应灾恢复数学模型的建立 | 第51-54页 |
| 4.1.1 应灾恢复流程与要求 | 第51-52页 |
| 4.1.2 应灾恢复目标函数与约束条件 | 第52-53页 |
| 4.1.3 应灾恢复阶段划分 | 第53-54页 |
| 4.2 配电网骨干通道供电恢复 | 第54-56页 |
| 4.2.1 基于深度优先搜索的配电网骨干通道恢复 | 第54-56页 |
| 4.2.2 算例分析 | 第56页 |
| 4.3 基于近似动态规划的局部配电网及区域联网供电恢复 | 第56-66页 |
| 4.3.1 局部配电网及区域联网供电恢复定义 | 第56-57页 |
| 4.3.2 近似动态规划理论 | 第57-59页 |
| 4.3.3 基于近似动态规划的供电恢复方法 | 第59-64页 |
| 4.3.4 算例分析 | 第64-66页 |
| 4.4 本章小结 | 第66-67页 |
| 第5章 基于MAS的配网应灾恢复协调控制方法 | 第67-83页 |
| 5.1 基于MAS的恢复控制优化决策系统设计 | 第67-72页 |
| 5.1.1 基于黑板模型的MAS协作机制设计 | 第68-69页 |
| 5.1.2 基于MAS的配网恢复控制优化决策结构体系 | 第69-72页 |
| 5.2 结合蚁群算法与Q学习的MAS协调优化方法 | 第72-80页 |
| 5.2.1 多智能体的强化学习 | 第72页 |
| 5.2.2 结合蚁群算法与Q学习的MAS协调优化方法 | 第72-76页 |
| 5.2.3 仿真算例 | 第76-80页 |
| 5.3 仿真分析 | 第80-82页 |
| 5.4 本章小结 | 第82-83页 |
| 第6章 工作总结与展望 | 第83-85页 |
| 6.1 工作总结 | 第83-84页 |
| 6.2 后续工作及展望 | 第84-85页 |
| 参考文献 | 第85-91页 |
| 致谢 | 第91-93页 |
| 攻读硕士期间所做工作 | 第93页 |
