| 摘要 | 第1-3页 |
| Abstract | 第3-7页 |
| 第1章 绪论 | 第7-12页 |
| ·课题的研究意义 | 第7-8页 |
| ·电力系统状态估计的国内外研究现状 | 第8-10页 |
| ·本文的主要工作 | 第10-12页 |
| 第2章 电力系统状态估计与不良数据辨识 | 第12-23页 |
| ·电力系统状态估计的定义与功能 | 第12-14页 |
| ·电力系统状态估计的定义 | 第12-13页 |
| ·电力系统状态估计程序实现的功能 | 第13-14页 |
| ·状态估计常用的算法 | 第14-18页 |
| ·基本加权最小二乘法 | 第14-16页 |
| ·P-Q 快速分解法 | 第16-18页 |
| ·不良数据检测与辨识方法 | 第18-21页 |
| ·残差方程 | 第19-20页 |
| ·常用不良数据检测方法 | 第20页 |
| ·常用不良数据辨识方法 | 第20-21页 |
| ·状态估计的计算流程 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 第3章 基于证据融合的量测关联度在多不良数据辨识中的应用 | 第23-38页 |
| ·影响量测关联度的三个证据 | 第23-27页 |
| ·电气距离 | 第23-25页 |
| ·基于广度优先搜索的节点相关系数 | 第25-26页 |
| ·系统的灵敏度分析 | 第26-27页 |
| ·D-S 证据理论分析 | 第27-29页 |
| ·基本定义 | 第28页 |
| ·D-S 合成法则 | 第28-29页 |
| ·对不确定证据的折扣处理 | 第29页 |
| ·模糊聚类分析 | 第29-31页 |
| ·证据融合后的量测关联度和不良数据辨识步骤 | 第31-32页 |
| ·算例分析 | 第32-37页 |
| ·量测关联度小的多不良数据辨识 | 第32-34页 |
| ·量测关联度大的多不良数据辨识 | 第34-37页 |
| ·本章小结 | 第37-38页 |
| 第4章 基于Tabu 搜索的小潮流量测估计 | 第38-55页 |
| ·状态估计数据粗检 | 第38-39页 |
| ·广度优先搜索 | 第39-40页 |
| ·标准残差在残差方程中的应用 | 第40-43页 |
| ·数学描述 | 第40-41页 |
| ·小潮流量测误差的影响 | 第41-42页 |
| ·标准化残差rN 反映出来的问题 | 第42-43页 |
| ·基于Tabu 搜索的小潮流量测估计 | 第43-47页 |
| ·Tabu 搜索算法描述 | 第43-46页 |
| ·小潮流量测估计步骤 | 第46-47页 |
| ·算例仿真 | 第47-54页 |
| ·大潮流集合满足可观测性条件下的估计仿真 | 第47-50页 |
| ·大潮流集合不满足可观测性条件下的估计仿真 | 第50-54页 |
| ·本章小结 | 第54-55页 |
| 结论 | 第55-57页 |
| 参考文献 | 第57-62页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第62-63页 |
| 致谢 | 第63-64页 |
| 作者简介 | 第64页 |