1 绪 论
1.1 课题的研究背景及意义
1.2 电力系统暂态稳定评估研究现状
1.2.1 传统暂稳评估方法研究现状
1.2.2 机器学习法暂稳评估研究现状
1.3 本文主要研究内容
2 半监督支持向量机暂态稳定评估基础理论
2.1 引言
2.2 支持向量机算法简介
2.2.1 标准支持向量机
2.2.2 孪生支持向量机
2.3 半监督学习理论
2.3.1 基于图的半监督学习
2.3.2 直推式半监督学习
2.4 机器学习法暂态稳定评估框架
2.4.1 样本生成与特征构建
2.4.2 关键特征的选择及提取
2.4.3 模型构建与参数寻优
2.4.4 结果检验及性能评价
2.5 本章小结
3 基于模糊半监督孪生支持向量机的暂态稳定评估
3.1 引言
3.2.1 拉普拉斯正则化半监督学习框架
3.2.2 模糊隶属度函数的构建
3.2.3 模糊拉普拉斯孪生支持向量机
3.3.1 半监督机器学习法暂稳评估问题描述
3.3.2 关键输入特征集的构建与缩减
3.3.3 基于FLAP-TWSVM的暂态稳定评估流程
3.4 算例与结果分析
3.4.1 WSCC-9节点系统
3.4.2 IEEE-39节点系统
3.5 本章小结
4 基于在线自适应直推式支持向量机的暂态稳定评估
4.1 引言
4.2 基本研究思路
4.3.1 直推式支持向量机的原理
4.3.2 在线增量学习与减量学习
4.3.3 参数摄动模型自适应优化
4.4.1 输入特征的构建原则及描述
4.4.2 在线自适应暂态稳定评估流程
4.5 算例与结果分析
4.5.1 样本数据集的构造
4.5.2 评估精度及时间分析
4.6 本章小结
5 结论与展望
5.1 结论
5.2 展望
参考文献
附录
A. 作者在攻读硕士学位期间完成的论文
B. 学位论文数据集
致谢
重庆大学;