声明
第1 章绪论
1.1 课题的研究背景和意义
1.2 国内外研究现状
1.2.1基于机器学习的电力系统稳定评估现状
1.2.2电力系统不平衡样本处理方法现状
1.3 本文主要工作与章节安排
第2 章 基于机器学习的样本组织与生成模型原理
2.1 样本组织与生成介绍
2.1.1 电力系统样本的组织与生成
2.1.2 电力系统样本的组织与生成的步骤
2.2机器学习
2.2.1 人工神经网络
2.2.2 卷积神经网络
2.3生成对抗网络
2.3.1 生成对抗网络基本原理
2.3.2 生成对抗网络训练方法
2.3.3 深度卷积生成对抗网络
2.4 本章小结
第3 章 基于DCGAN 的电力系统频率样本增强方法
3.1 电力系统频率
3.2 基于DCGAN 样本输入特征选择以及系统运行样本库的构建
3.2.1 输入样本集的特征量组织与选择
3.2.2 DCGAN所需受扰动后电力系统频率响应样本库生成
3.2.3 基于PSS/E的样本库生成程序设计
3.3 DCGAN样本增强模型和评估指标的建立
3.3.1 模型建立
3.3.2 评估指标
3.4 算例分析
3.4.1 新英格兰39节点系统
3.4.2 美国南卡罗莱纳州90 机500 母线电网
3.5 本章小结
第4 章基于机器学习增强样本的扰动后电力系统频率响应预测
4.1 问题描述
4.2 深度置信网络预测模型
4.2.1 DBN 网络结构
4.2.2 训练算法
4.2.3 预测模型建立
4.2.4 输入输出特征选择
4.2.5 评估指标
4.3 实验设计
4.4 算例分析
4.4.1 算例系统及参数设定
4.4.2 结果分析
4.5 本章小结
结 论
致 谢
参考文献
攻读硕士学位期间的论文及科研情况
西南交通大学;