| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 1 绪论 | 第8-14页 |
| 1.1 课题背景及研究意义 | 第8页 |
| 1.2 国内外研究现状 | 第8-12页 |
| 1.2.1 专家系统 | 第8-9页 |
| 1.2.2 人工神经网络 | 第9页 |
| 1.2.3 Petri网络 | 第9-10页 |
| 1.2.4 模糊理论 | 第10页 |
| 1.2.5 粒子群算法 | 第10-11页 |
| 1.2.6 贝叶斯网络 | 第11页 |
| 1.2.7 遗传算法 | 第11页 |
| 1.2.8 混合算法 | 第11-12页 |
| 1.3 课题研究内容及创新点 | 第12-14页 |
| 2 粗糙集理论 | 第14-24页 |
| 2.1 粗糙集简介 | 第14-17页 |
| 2.1.1 知识及分类 | 第14-15页 |
| 2.1.2 知识集合上、下近似和边界区 | 第15-16页 |
| 2.1.3 粗糙集基本特征 | 第16-17页 |
| 2.1.4 知识表示和约简 | 第17页 |
| 2.2 粗糙集约简算法 | 第17-20页 |
| 2.2.1 盲目删除法 | 第18页 |
| 2.2.2 Pawlak属性约简法 | 第18页 |
| 2.2.3 信息熵约简法 | 第18-19页 |
| 2.2.4 Skowron差别矩阵约简法 | 第19-20页 |
| 2.3 实例分析 | 第20-22页 |
| 2.4 Rosetta软件 | 第22-23页 |
| 2.5 本章小结 | 第23-24页 |
| 3 遗传算法及其仿真分析 | 第24-34页 |
| 3.1 经典遗传算法 | 第24-26页 |
| 3.1.1 遗传算法基本理论 | 第24-25页 |
| 3.1.2 遗传算法基本操作 | 第25-26页 |
| 3.2 遗传算法解题流程 | 第26-28页 |
| 3.2.1 基本遗传算法 | 第27页 |
| 3.2.2 高级遗传算法 | 第27-28页 |
| 3.3 遗传算法仿真算例 | 第28-32页 |
| 3.4 本章小结 | 第32-34页 |
| 4 基于RS-GA的分区分层故障诊断方法 | 第34-48页 |
| 4.1 数据的采集 | 第34页 |
| 4.2 数学模型的建立 | 第34-39页 |
| 4.2.1 故障状态决策表的约减 | 第38页 |
| 4.2.2 基于RS-GA故障诊断仿真分析 | 第38-39页 |
| 4.3 分区分层故障诊断方法 | 第39-42页 |
| 4.3.1 电力系统的分区方法 | 第39-40页 |
| 4.3.2 电力系统的分层方法 | 第40-42页 |
| 4.4 分层分区故障模型仿真算例 | 第42-44页 |
| 4.4.1 输电线路的模型分析 | 第42页 |
| 4.4.2 RS决策表约简在分层分区模型中的应用 | 第42-44页 |
| 4.5 基于RS-GA的分区分层故障诊断的仿真实现 | 第44-46页 |
| 4.6 本章小结 | 第46-48页 |
| 5 基于多目标遗传算法的电力系统重构 | 第48-56页 |
| 5.1 多目标优化方法 | 第49-50页 |
| 5.1.1 统一目标法 | 第49页 |
| 5.1.2 多目标遗传算法 | 第49-50页 |
| 5.2 电力配电网重构模型 | 第50-51页 |
| 5.3 多目标遗传算法的配电网故障重构 | 第51-53页 |
| 5.3.1 多目标优化目标函数建立 | 第51-52页 |
| 5.3.2 多目标优化遗传算法配电网重构流程 | 第52-53页 |
| 5.4 仿真验证 | 第53-55页 |
| 5.4.1 软件设置 | 第53-54页 |
| 5.4.2 实例分析 | 第54-55页 |
| 5.5 本章小结 | 第55-56页 |
| 6 结论 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 附录A 故障诊断初始决策表 | 第62-64页 |
| 附录B 分区故障诊断初始决策表 | 第64-66页 |
| 附录C 33节点配电网络参数表 | 第66-68页 |
| 作者攻读学位期间发表的论文及学术成果 | 第68-70页 |
| 致谢 | 第70页 |