| 致谢 | 第4-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 1 绪论 | 第11-19页 |
| 1.1 研究背景与意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-17页 |
| 1.2.1 静态状态估计 | 第12-13页 |
| 1.2.2 动态状态估计 | 第13-14页 |
| 1.2.3 非线性滤波算法 | 第14-15页 |
| 1.2.4 PMU量测坏数据辨识 | 第15-16页 |
| 1.2.5 网络PMU最优配置 | 第16-17页 |
| 1.3 本文工作与章节安排 | 第17-19页 |
| 1.3.1 本文创新点 | 第17-18页 |
| 1.3.2 章节安排 | 第18-19页 |
| 2 发电机动态状态估计 | 第19-41页 |
| 2.1 引言 | 第19页 |
| 2.2 在线跟踪模型 | 第19-24页 |
| 2.2.1 发电机组动态建模 | 第21-22页 |
| 2.2.2 励磁机模型 | 第22-23页 |
| 2.2.3 调速器模型 | 第23-24页 |
| 2.3 基于无迹卡尔曼滤波的发电机动态状态估计算法 | 第24-29页 |
| 2.3.1 算法框架 | 第24-25页 |
| 2.3.2 无迹变换 | 第25-26页 |
| 2.3.3 卡尔曼滤波过程 | 第26-27页 |
| 2.3.4 动态状态估计跟踪效果 | 第27-29页 |
| 2.4 坏数据辨识方法 | 第29-37页 |
| 2.4.1 残差方程 | 第29-32页 |
| 2.4.2 假设检验 | 第32-33页 |
| 2.4.3 坏数据辨识结果 | 第33-37页 |
| 2.5 坏数据修正方法 | 第37-40页 |
| 2.5.1 算法流程 | 第37-38页 |
| 2.5.2 修正效果 | 第38-40页 |
| 2.6 本章小结 | 第40-41页 |
| 3 全网动态状态联合估计 | 第41-62页 |
| 3.1 引言 | 第41-42页 |
| 3.2 基于系统可观测性分析的最优PMU配置方法 | 第42-52页 |
| 3.2.1 状态可观性和经验格莱姆矩阵 | 第42-44页 |
| 3.2.2 多情景格莱姆矩阵 | 第44-46页 |
| 3.2.3 PMU最优配置策略 | 第46-47页 |
| 3.2.4 基于PSO算法的最优PMU配置 | 第47-52页 |
| 3.3 全网暂态过程在线状态跟踪 | 第52-56页 |
| 3.3.1 非线性状态估计 | 第52-53页 |
| 3.3.2 离散化策略 | 第53-54页 |
| 3.3.3 基于暂态过程的非线性状态估计 | 第54-56页 |
| 3.4 算例分析 | 第56-60页 |
| 3.4.1 全网状态跟踪效果 | 第56-57页 |
| 3.4.2 不同PMU配置方案下的状态跟踪效果 | 第57-59页 |
| 3.4.3 考虑坏数据的状态跟踪效果 | 第59-60页 |
| 3.5 本章小结 | 第60-62页 |
| 4 总结与展望 | 第62-65页 |
| 4.1 研究工作总结 | 第62-63页 |
| 4.2 后续工作展望 | 第63-65页 |
| 参考文献 | 第65-70页 |
| 作者简历 | 第70页 |