配用电信息数据下的用户异常用电行为辨识
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 研究的背景及意义 | 第10-11页 |
| 1.2 配用电信息数据内容 | 第11页 |
| 1.3 异常用电辨识的研究现状 | 第11-14页 |
| 1.3.1 传统辨识方法 | 第11-13页 |
| 1.3.2 信息数据下的辨识方法 | 第13-14页 |
| 1.4 主要内容和工作 | 第14-15页 |
| 第2章 配用电信息异常用电行为研究 | 第15-20页 |
| 2.1 用户用电行为理论基础 | 第15页 |
| 2.2 配用电用户用电异常原因 | 第15-18页 |
| 2.2.1 非技术性原因 | 第15-17页 |
| 2.2.2 技术性原因 | 第17-18页 |
| 2.3 异常用电行为及其传统检测 | 第18-19页 |
| 2.3.1 欠压法异常用电及其检测 | 第18页 |
| 2.3.2 欠流法异常行为及其检测 | 第18-19页 |
| 2.3.3 移相法异常用电及其检测 | 第19页 |
| 2.3.4 传统检测方法评述 | 第19页 |
| 2.4 小结 | 第19-20页 |
| 第3章 信息数据下的异常用电行为辨识方法 | 第20-28页 |
| 3.1 异常辨识概述 | 第20-21页 |
| 3.2 无监督学习方法 | 第21-24页 |
| 3.2.1 基于密度估计的方法 | 第21页 |
| 3.2.2 基于重构的方法 | 第21-23页 |
| 3.2.3 基于支持域的方法 | 第23-24页 |
| 3.3 有监督学习方法 | 第24-26页 |
| 3.3.1 人工生成异常样本的异常检测方法 | 第25-26页 |
| 3.3.2 利用现有异常样本的异常检测方法 | 第26页 |
| 3.4 异常行为辨识方法评述 | 第26页 |
| 3.5 异常行为辨识模型评估指标 | 第26-27页 |
| 3.6 本章小结 | 第27-28页 |
| 第4章 基于SVDD的异常用电辨识模型 | 第28-39页 |
| 4.1 SVDD算法理论基础 | 第28-30页 |
| 4.1.1 SVDD算法原理 | 第28-29页 |
| 4.1.2 核函数 | 第29-30页 |
| 4.2 SVDD算法的参数优化 | 第30-32页 |
| 4.2.1 参数优化的意义 | 第30-31页 |
| 4.2.2 参数优化的方法 | 第31-32页 |
| 4.3 基于SVDD的异常用电辨识模型 | 第32-34页 |
| 4.3.1 数据准备 | 第32-33页 |
| 4.3.2 辨识模型 | 第33-34页 |
| 4.4 实例分析 | 第34-38页 |
| 4.4.1 实验使用工具 | 第34-35页 |
| 4.4.2 模型建立及结果分析 | 第35-37页 |
| 4.4.3 标准数据集上的测试 | 第37-38页 |
| 4.5 本章小结 | 第38-39页 |
| 第5章 改进的SVDD异常用电辨识模型 | 第39-47页 |
| 5.1 用电数据预分类及其实现方法 | 第39-42页 |
| 5.1.1 用户数据预分类理论 | 第39-40页 |
| 5.1.2 基于自适应FCM的用户数据分类 | 第40-42页 |
| 5.2 改进的SVDD异常用电辨识模型 | 第42-43页 |
| 5.3 实例分析 | 第43-46页 |
| 5.3.1 数据准备 | 第43-44页 |
| 5.3.2 辨识模型建立 | 第44-45页 |
| 5.3.3 辨识结果 | 第45-46页 |
| 5.4 本章小结 | 第46-47页 |
| 第6章 结论与展望 | 第47-48页 |
| 参考文献 | 第48-52页 |
| 致谢 | 第52页 |
