| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 研究意义 | 第10-11页 |
| 1.3 研究现状 | 第11-13页 |
| 1.4 论文的主要研究内容 | 第13-14页 |
| 1.5 论文的章节安排 | 第14-15页 |
| 第二章 计量自动化系统异常及主要检测方法 | 第15-27页 |
| 2.1 智能电网的结构 | 第15-16页 |
| 2.2 电能计量自动化系统结构 | 第16-17页 |
| 2.3 计量自动化系统电能量数据的结构及含义 | 第17-21页 |
| 2.4 计量自动化系统常见异常和故障 | 第21-22页 |
| 2.5 数据异常检测方法介绍 | 第22-26页 |
| 2.5.1 基于模型的方法 | 第22-24页 |
| 2.5.2 基于近邻度的方法 | 第24-25页 |
| 2.5.3 基于密度的方法 | 第25-26页 |
| 2.6 本章小结 | 第26-27页 |
| 第三章 基于kNN打分算法的计量自动化终端异常检测 | 第27-49页 |
| 3.1 通信流量数据展示及分析 | 第27-33页 |
| 3.1.1 数据流量表可视化 | 第27-29页 |
| 3.1.2 数据预处理 | 第29-31页 |
| 3.1.3 K-Means算法应用 | 第31页 |
| 3.1.4 特征提取结果测试 | 第31-33页 |
| 3.2 计量自动化终端通信质量评估模型 | 第33-36页 |
| 3.3 分类算法比较及选择 | 第36-37页 |
| 3.4 基于kNN算法改进的kNN打分算法 | 第37-39页 |
| 3.5 通信故障预测结果验证 | 第39-43页 |
| 3.5.1 算法对通信模型分类的准确性验证 | 第39-40页 |
| 3.5.2 算法所给分数的可靠性验证 | 第40-41页 |
| 3.5.3 按实际情况测试准确率 | 第41-43页 |
| 3.6 故障类型分类 | 第43-48页 |
| 3.6.1 现场运维记录表数据处理 | 第43-45页 |
| 3.6.2 故障类型预测结果 | 第45-48页 |
| 3.7 本章小结 | 第48-49页 |
| 第四章 馈线线损关键指标及异常检测 | 第49-61页 |
| 4.1 线损数据展示 | 第49-50页 |
| 4.2 基于线损波动指标的线损异常线路检测方法 | 第50-52页 |
| 4.3 典型线损异常介绍及原因分析 | 第52-57页 |
| 4.3.1 数据缺失引起线损异常 | 第52-54页 |
| 4.3.2 档案差错 | 第54-55页 |
| 4.3.3 设备故障 | 第55-56页 |
| 4.3.4 线路弃用或用户关系切换期间的电量统计 | 第56页 |
| 4.3.5 违规用电行为 | 第56-57页 |
| 4.4 基于规则的线损异常原因分析模块 | 第57-58页 |
| 4.5 少量缺失数据的恢复 | 第58-60页 |
| 4.6 本章小结 | 第60-61页 |
| 第五章 总结与展望 | 第61-63页 |
| 5.1 全文总结 | 第61-62页 |
| 5.2 展望 | 第62-63页 |
| 参考文献 | 第63-65页 |
| 致谢 | 第65-66页 |
| 攻读硕士学位期间发表的学术论文 | 第66页 |