声明
摘要
第1章 绪论
1.1 课题背景及意义
1.2 国内外发展现状
1.2.1 智能配电网的国内外发展现状
1.2.2 电网自愈的国内外发展现状
1.3 智能配电网故障诊断技术
1.3.1 专家系统
1.3.2 Petri网络
1.3.3 粗糙集理论
1.3.4 遗传算法
1.3.5 贝叶斯网络
1.3.6 综合方法的故障诊断
1.4 本文所做工作
第2章 配电系统的故障诊断及自愈
2.1 配电网网络拓扑
2.1.1 配电线路类型
2.1.2 配电网络拓扑类型
2.2 配电故障类型及保护
2.2.1 配电故障类型
2.2.2 配电继电保护类型
2.3 配电自动化技术
2.4 配电网自动化终端装置
2.4.1 FTU
2.4.2 DTU和TTU
2.4.3 RTU
2.5 SCADA系统、AM\FM\GIS系统
2.5.1 SCADA系统
2.5.2 AM/FM/GIS系统
2.6 本章小结
第3章 配电线路短路故障定位算法分析
3.1 人工神经网络
3.1.1 BP神经网络的结构与学习过程
3.1.2 BP神经网络在电力系统故障定位中的相关问题
3.2 模糊理论
3.2.1 模糊集合、模糊隶属度和模糊隶属函数
3.2.2 模糊集合贴近度理论
3.2.3 模糊综合评判方法
3.2.4 模糊理论的相关问题
3.3 常规模糊最小-最大神经网络分类器(FMNN)
3.4 仿真样本提取
3.4.1 电力系统保护动作原理
3.4.2 训练样本获取及训练过程
3.5 仿真分析
3.6 本章小结
第4章 基于模糊最小-最大神经网络分类器的线路短路故障定位方法
4.1 模糊神经网络
4.1.1 模糊理论与神经网络的融合
4.1.2 模糊神经网络的概念与结构
4.2 模糊最小-最大神经网络分类器研究
4.2.1 通用模糊最小-最大神经网络分类器(GFMN)
4.2.2 补偿神经元的模糊最小-最大神经网络分类器(FMCN)
4.2.3 FMNN、GFMN、FMCN对比仿真分析
4.3 基于FMCN的智能配电网线路短路故障定位方法研究
4.3.1 18节点智能配电网络故障样本
4.3.2 配电网故障诊断流程
4.4 仿真分析
4.5 本章小结
第5章 基于多智能体粒子群算法的智能配电网自愈控制方法
5.1 智能配电网自愈分析
5.1.1 电网自愈概述
5.1.2 配网自愈能力的评价指标
5.2 智能配电网潮流计算
5.2.1 配电网络的潮流计算
5.2.2 含分布式发电的智能配电网潮流计算
5.3 基于MAS-PSO的智能配电网的自愈控制方法研究
5.3.1 粒子群算法的基本原理和数学描述
5.3.2 MAS-PSO算法
5.3.3 基于MAS-PSO算法的智能配电网自愈控制方法
5.4 仿真分析
5.5 本章小结
第6章 结论与展望
6.1 结论
6.2 展望
参考文献
致谢
攻读硕士期间所做工作
东北大学;