文摘
英文文摘
声明
第一章绪论
1.1电力系统电能质量概述
1.1.1引言
1.1.2电能质量的概念
1.1.3电能质量的分类
1.1.4电能质量的影响因素及危害
1.1.5电能质量的评价指标
1.1.6国内外电能质量现状
1.1.7电能质量的研究方法
1.2本论文的主要工作
第二章电力系统无功电压综合优化控制方法研究
2.1无功电压综合优化控制的研究现状
2.2无功电压综合优化控制的研究方法
2.2.1传统研究方法
2.2.2人工智能研究方法
2.3无功电压综合优化控制设备的研究应用状况
2.3.1常规电容器(组)的应用
2.3.2静止无功补偿器(SVC)的应用
2.3.3静态同步补偿器(STATCOM)的应用
2.3.4有载调压变压器的应用
2.4无功电压综合优化控制研究中仍存在的问题
第三章电力系统无功电压综合优化控制的数学模型
3.1引言
3.2无功电压综合优化控制的系统要求
3.3无功电压综合优化控制的数学模型
3.3.1以网损最小为优化目标的数学模型
3.3.2以最小电压降为优化目标的数学模型
3.3.3运行费用、成本最低的数学模型
3.3.4计及网损和控制成本的无功优化模型
3.3.5多目标优化的数学模型
3.3.6以控制变量表示的网损最小的无功优化模型
3.3.7非线性规划问题的统一数学模型
3.4电网有功功率模型相关参数矩阵
3.4.1以节点电压和变压器变比表示的系统有功损耗
3.4.2以节点注入功率表示的系统有功损耗
3.4.3梯度和灵敏度矩阵
3.5小结
第四章人工神经元网络在电力系统无功电压综合优化控制中的应用研究
4.1神经元网络概述
4.2人工神经元网络模型
4.2.1典型神经元模型
4.2.2神经元模型的激励函数
4.2.3人工神经网络模型的分类
4.2.4人工神经网络的学习规则
4.3人工神经网络在电力系统无功电压综合优化控制中的应用研究
4.3.1人工神经网络在电力系统无功优化中的应用
4.3.2人工神经网络的改进及其在电力系统无功优化中的应用
4.4 BP(Back-Propagation)前馈神经网络
4.4.1 BP前馈神经网络概述
4.4.2 BP神经网络的工作原理
4.4.3 BP神经网络的训练函数
4.4.4 BP神经网络的计算流程
4.4.5 BP神经网络的泛化能力
4.5自适应BP神经网络在无功电压综合优化控制中的应用
4.5.1学习样本的获取
4.5.2网络拓扑结构的确定
4.5.3网络训练参数的确定
4.6仿真算例分析
4.7小结
第五章粒子群优化算法在电力系统无功电压综合优化控制中的应用
5.1粒子群优化算法概述
5.2基本粒子群优化算法
5.3粒子群优化算法的改进研究
5.3.1参数的改进
5.3.2搜索过程的改进
5.3.3与其它优化方法的结合
5.4改进粒子群优化算法在无功电压综合优化控制中的应用
5.4.1初始化的改进
5.4.2粒子的自身探索机制和可行解保留策略
5.4.3混沌变异
5.4.4无功电压综合控制数学模型的确定
5.4.5 改进的IPSO用于无功电压综合优化控制
5.5算例仿真分析
5.6 结论
第六章粒子群优化算法与人工神经网络结合在电力系统无功电压综合优化控制中的应用
6.1运用PSO算法优化BP神经网络的初始权值和阈值
6.1.1 基本粒子群算法(BPSO)优化BP神经网络
6.1.2运用IPSO优化BP神经网络的初始权值和阈值
6.2 IPSO优化BP神经网络的隐层节点数、学习率和动量因子
6.3有待改进之处
第七章结论
附录
参考文献
致谢
攻读学位论文期间发表的文章