| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-12页 |
| 1.1 背景及其意义 | 第9页 |
| 1.2 国内外研究动态 | 第9-10页 |
| 1.3 本课题主要研究内容 | 第10-12页 |
| 第2章 电力营销服务大数据的组成与收集 | 第12-17页 |
| 2.1 电力营销服务大数据的组成 | 第12-13页 |
| 2.2 用电信息采集模式选择和采集 | 第13-15页 |
| 2.3 营配贯通业务应用平台 | 第15-16页 |
| 2.4 营销客户信息数据收集 | 第16页 |
| 2.5 本章小结 | 第16-17页 |
| 第3章 基于采集的大数据分析应用到防窃电和用电异常分析 | 第17-27页 |
| 3.1 用电信息采集数据异常分类 | 第17页 |
| 3.2 数据异常的分析方法 | 第17-18页 |
| 3.2.1 关联分析法基本概念 | 第17-18页 |
| 3.2.2 离群点分析法 | 第18页 |
| 3.3 数据异常基于大数据的算法分析 | 第18-25页 |
| 3.3.1 电量异常诊断 | 第18-19页 |
| 3.3.2 电压电流异常诊断 | 第19-22页 |
| 3.3.2.1 电压越限 | 第19页 |
| 3.3.2.2 电压失压 | 第19-20页 |
| 3.3.2.3 电压断相 | 第20-21页 |
| 3.3.2.4 电流失流 | 第21页 |
| 3.3.2.5 电流不平衡 | 第21-22页 |
| 3.3.3 异常用电诊断 | 第22-23页 |
| 3.3.3.1 电能表开盖事件 | 第22-23页 |
| 3.3.3.2 电量差动异常 | 第23页 |
| 3.3.4 负荷异常诊断 | 第23-24页 |
| 3.3.4.1 负荷超容 | 第23-24页 |
| 3.3.4.2 电流过流 | 第24页 |
| 3.3.4.3 功率因素异常 | 第24页 |
| 3.3.5 时钟异常诊断 | 第24页 |
| 3.3.6 接线异常诊断 | 第24-25页 |
| 3.3.6.1 反向电量异常 | 第24-25页 |
| 3.3.6.2 潮流反向 | 第25页 |
| 3.3.6.3 其它错接线 | 第25页 |
| 3.4 本章小结 | 第25-27页 |
| 第4章 大数据时代的台区线损分析和精确停送电 | 第27-35页 |
| 4.1 基于营配贯通的低压配变台区日线损管理 | 第27-28页 |
| 4.2 大数据时代线损分析步骤和管理方法 | 第28页 |
| 4.3 处理步骤 | 第28-30页 |
| 4.4 典型分析案例 | 第30-33页 |
| 4.4.1 问题描述 | 第30页 |
| 4.4.2 分析过程： | 第30-33页 |
| 4.5 大数据时代的精确停送电应用 | 第33-34页 |
| 4.6 本章小结 | 第34-35页 |
| 第5章 应用大数据的营业厅排班与精益思想 | 第35-37页 |
| 5.1 国网象山供电公司营业厅状况 | 第35页 |
| 5.2 服务需求与服务供给的博弈 | 第35页 |
| 5.3 让数据提供客户服务的需求 | 第35-37页 |
| 第6章 结论与展望 | 第37-39页 |
| 参考文献 | 第39-41页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第41-42页 |
| 致谢 | 第42-43页 |
| 作者简介 | 第43页 |