基于机器学习的电力系统故障诊断与暂态稳定评估研究

目录

声明

第1章 绪论

1.1 研究的背景和意义

1.2 国内外研究现状

1.2.1电力系统故障诊断方法

1.2.2电力系统暂态稳定评估方法

1.3本文主要研究内容及章节安排

第2章 基于GA优化的RS-BP神经网络的故障诊断方法

2.1 遗传算法

2.1.1 遗传算法的特点

2.1.2 遗传算法的实现

2.2 粗糙集理论

2.2.1 知识表达系统

2.2.2 不可分辨关系

2.2.3 粗糙集的近似

2.2.4 属性约简与核

2.2.5 属性依赖度

2.2.6 基于GA的粗糙集约简算法

2.3 BP神经网络

2.3.1 BP神经网络的算法原理

2.3.2 BP网络结构设计

2.3.3 基于GA优化BP神经网络

2.4 GA优化RS-BP神经网络的故障诊断

2.5 算例分析

2.6 本章小结

第3章 暂态特征选择与样本集构建

3.1 基于BPA的暂态稳定仿真

3.1.1 PSD-BPA软件介绍

3.1.2 PSD-BPA潮流计算

3.1.3 PSD-BPA稳定计算

3.2 输入特征的选择

3.3 原始特征集的构建

3.4 系统暂态稳定的判断

3.5 样本集的构建

3.6 本章小结

第4章 基于PCA-SVM的暂态稳定评估

4.1 主成分分析

4.2 支持向量机

4.2.1 支持向量机原理

4.2.2 网格搜索法的参数优化

4.3 PCA-SVM暂态稳定评估模型

4.4 算例分析

4.5 本章小结

第5章 基于深度神经网络的暂态稳定评估

5.1 深度学习

5.2 深度神经网络模型

5.3 优化算法

5.4 深度学习框架

5.5 算例分析

5.6 本章小结

第6章 总结与展望

6.1 总结

6.2 展望

致谢

参考文献

附录一

附录二