| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 配电自动化研究背景与意义 | 第8-9页 |
| 1.2 国内外配电自动化实施现状 | 第9-12页 |
| 1.2.1 配电网可靠性国内外研究现状 | 第9-10页 |
| 1.2.2 配电自动化国内外研究现状 | 第10-11页 |
| 1.2.3 配电终端配置的研究进展 | 第11页 |
| 1.2.4 本文主要研究工作 | 第11-12页 |
| 第二章 配电网可靠性分析理论基础及影响因素 | 第12-16页 |
| 2.1 配电网可靠性计算的基本理论 | 第12-13页 |
| 2.1.1 串并联网络的可靠性指标 | 第12-13页 |
| 2.1.2 配电网的可靠性指标 | 第13页 |
| 2.2 配电网可靠性计算方法 | 第13-15页 |
| 2.2.1 解析法 | 第13-14页 |
| 2.2.2 模拟法 | 第14页 |
| 2.2.3 人工智能法 | 第14-15页 |
| 2.3 影响配电网供电可靠性的因素 | 第15页 |
| 2.3.1 配电网网络结构 | 第15页 |
| 2.3.2 配电开关设备的组合方式 | 第15页 |
| 2.3.3 配电终端的配置 | 第15页 |
| 2.3.4 配电网故障处理模式 | 第15页 |
| 2.4 本章小结 | 第15-16页 |
| 第三章 基于灰色神经网络的组合预测模型在配电网可靠性预测上的应用 | 第16-27页 |
| 3.1 配电网可靠性预测研究背景 | 第16页 |
| 3.2 灰色预测模型 | 第16-18页 |
| 3.2.1 灰色GM(1,1)预测模型 | 第16-18页 |
| 3.2.2 改进型GM(1,1)模型 | 第18页 |
| 3.3 BP误差反向传播神经网络 | 第18-23页 |
| 3.3.1 BP神经网络的基本结构 | 第19页 |
| 3.3.2 BP神经网络的学习算法 | 第19-21页 |
| 3.3.3 BP神经网络的算法步骤和计算流程 | 第21-23页 |
| 3.4 灰色神经网络组合预测模型 | 第23-25页 |
| 3.4.1 改进GM-BP组合预测模型的建模思想 | 第23-24页 |
| 3.4.2 GM-BP组合预测模型的建模过程 | 第24-25页 |
| 3.5 GM-BP组合预测在配电网可靠性预测的实例应用 | 第25-26页 |
| 3.6 本章小结 | 第26-27页 |
| 第四章 基于改进遗传算法的配电终端配置优化 | 第27-46页 |
| 4.1 配电终端 | 第27-28页 |
| 4.2 遗传算法 | 第28-30页 |
| 4.2.1 基本遗传算法 | 第28-29页 |
| 4.2.2 带精英保留策略的遗传算法 | 第29-30页 |
| 4.3 供电可靠性 | 第30-33页 |
| 4.3.1 供电可靠性定义 | 第30页 |
| 4.3.2 供电可靠性的计算方法 | 第30-33页 |
| 4.4 全生命周期成本 | 第33-34页 |
| 4.5 终端配置数学模型与基于遗传算法的终端配置原理概述 | 第34-36页 |
| 4.5.1 终端配置数学模型 | 第34-35页 |
| 4.5.2 遗传算法终端配置与案例 | 第35-36页 |
| 4.6 配电终端配置规划原理 | 第36-42页 |
| 4.6.1 可靠性分析 | 第36-38页 |
| 4.6.2 经济性分析 | 第38页 |
| 4.6.3 算例分析 | 第38-42页 |
| 4.7 保定东北郊523实例分析 | 第42-45页 |
| 4.8 本章小结 | 第45-46页 |
| 第五章 总结与展望 | 第46-47页 |
| 参考文献 | 第47-50页 |
| 发表论文和科研情况说明 | 第50-51页 |
| 致谢 | 第51页 |
