声明
第1章 绪 论
1.1 课题研究背景及意义
1.2.1 网损研究现状
1.2.2 深度迁移学习研究现状
1.2.3 风电并网影响研究现状
1.2.4 最优潮流研究现状
1.3 本文所做工作
第2章 深度迁移学习
2.1 深度学习模型
2.1.1 受限玻尔兹曼机
2.1.2 自动编码器
2.1.3 卷积神经网络
2.2 迁移学习模型
2.3 数据分布差异度量方法
2.4 本章小结
第3章 基于深度迁移学习的网损率计算
3.1 基于深度迁移学习TDBN-DNN的网损率计算模型
3.1.1 深度学习DBN-DNN模型
3.1.2 基于最大均值差异系数的迁移学习模型
3.1.3 深度迁移学习TDBN-DNN模型
3.2 算例分析
3.2.1 样本数据
3.2.2 深度学习模型DBN-DNN计算结果分析
3.2.3 迁移计算结果分析
3.2.4 深度迁移学习TDBN-DNN计算结果分析
3.2.5 存在坏数据时TDBN-DNN计算结果分析
3.3 本章小结
第4章 大规模风电外送地区电网优化降损研究
4.1 大规模风电外送电网最优潮流模型
4.1.1 目标函数
4.1.2 约束条件
4.1.3 求解算法
4.2 关联规则和K-means聚类算法
4.2.1 关联规则
4.2.2 K-means聚类算法
4.3 算例分析
4.3.1 算例介绍
4.3.2 最优潮流与实际运行情况对比分析
4.3.3 基于TDBN-DNN的最优线损率计算
4.3.4 基于关联规则与K-means法的运行结果分析
4.4 本章小结
结论
参考文献
攻读硕士学位期间承担的科研任务与主要成果
致谢
