| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第11-24页 |
| 1.1 课题研究背景和意义 | 第11-14页 |
| 1.2 国内外研究现状 | 第14-20页 |
| 1.3 本文所做的工作及主要创新点 | 第20-24页 |
| 2 基于Prony及其改进算法的电力系统低频振荡检测方法 | 第24-37页 |
| 2.1 引言 | 第24-25页 |
| 2.2 Prony分析方法 | 第25-27页 |
| 2.3 基于SVD滤波的改进Prony算法的低频振荡检测 | 第27-30页 |
| 2.4 三种低频振荡信号算例简介及两种方法的算例分析 | 第30-36页 |
| 2.5 本章小结 | 第36-37页 |
| 3 原子库分解方法及其在低频振荡模式识别中的应用 | 第37-47页 |
| 3.1 引言 | 第37页 |
| 3.2 原子库分解法的原理 | 第37-38页 |
| 3.3 应用原子库分解方法的低频振荡参数识别过程 | 第38-42页 |
| 3.4 算例分析 | 第42-46页 |
| 3.5 本章小结 | 第46-47页 |
| 4 基于粒子群优化的改进原子库分解方法 | 第47-58页 |
| 4.1 引言 | 第47-48页 |
| 4.2 粒子群优化算法 | 第48-50页 |
| 4.3 采用PSO-ALSD算法的低频振荡模式参数识别 | 第50-52页 |
| 4.4 算例分析 | 第52-56页 |
| 4.5 本章小结 | 第56-58页 |
| 5 基于混沌与Pseudo-Newton法组合优化的原子库分解方法 | 第58-68页 |
| 5.1 引言 | 第58页 |
| 5.2 混沌优化方法 | 第58-59页 |
| 5.3 Pseudo-Newton优化 | 第59-60页 |
| 5.4 采用COM-ALSD算法的低频振荡模式参数识别 | 第60-62页 |
| 5.5 算例分析 | 第62-66页 |
| 5.6 本章小结 | 第66-68页 |
| 6 各方法对比及在低频振荡在线监测中的应用价值分析 | 第68-80页 |
| 6.1 引言 | 第68页 |
| 6.2 各低频振荡识别方法的识别效果对比 | 第68-77页 |
| 6.3 COM-ALSD算法在低频振荡在线监测中的应用模拟 | 第77-78页 |
| 6.4 本章小结 | 第78-80页 |
| 7 总结与展望 | 第80-83页 |
| 7.1 总结 | 第80-82页 |
| 7.2 展望 | 第82-83页 |
| 致谢 | 第83-84页 |
| 参考文献 | 第84-90页 |
| 作者在攻读硕士学位期间发表的论文 | 第90页 |
