| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 课题研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 调控大数据研究现状 | 第11-12页 |
| 1.2.2 电力系统中数据挖掘技术的研究现状 | 第12-13页 |
| 1.3 论文主要工作及内容安排 | 第13-14页 |
| 第2章 调度控制系统大数据挖掘分析 | 第14-24页 |
| 2.1 调度控制系统数据模型分析 | 第14-15页 |
| 2.2 调控大数据的定义 | 第15-17页 |
| 2.3 调控大数据的特性分析 | 第17-18页 |
| 2.4 调控大数据的挖掘内涵 | 第18页 |
| 2.5 调控大数据的分析挖掘算法 | 第18-21页 |
| 2.5.1 数据挖掘过程 | 第18-20页 |
| 2.5.2 数据挖掘算法分析 | 第20-21页 |
| 2.6 调控大数据分析挖掘的整体架构 | 第21-22页 |
| 2.7 面向调控大数据的设备风险分析框架 | 第22-23页 |
| 2.8 本章小结 | 第23-24页 |
| 第3章 面向高风险设备挖掘的风险影响度计算方法 | 第24-33页 |
| 3.1 引言 | 第24页 |
| 3.2 设备风险影响度指标体系 | 第24-26页 |
| 3.3 设备风险影响度影响因素分析 | 第26-27页 |
| 3.3.1 设备重要度 | 第26页 |
| 3.3.2 设备隐患 | 第26-27页 |
| 3.4 设备风险影响度计算模型 | 第27-29页 |
| 3.5 仿真结果与分析 | 第29-32页 |
| 3.6 本章小结 | 第32-33页 |
| 第4章 面向调控大数据的HR-Tree挖掘方法 | 第33-44页 |
| 4.1 高风险设备的概念与定义 | 第33页 |
| 4.2 HR-Tree挖掘方法 | 第33-36页 |
| 4.2.1 算法描述 | 第33-34页 |
| 4.2.2 构建HR-Tree | 第34-36页 |
| 4.3 仿真分析 | 第36-42页 |
| 4.3.1 HR-Tree挖掘仿真说明 | 第36-37页 |
| 4.3.2 HR-Tree挖掘数据预处理 | 第37-38页 |
| 4.3.3 HR-Tree挖掘分析 | 第38-41页 |
| 4.3.4 数据规模对HR-Tree挖掘结果的影响 | 第41-42页 |
| 4.4 本章小结 | 第42-44页 |
| 第5章 总结与展望 | 第44-46页 |
| 参考文献 | 第46-50页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第50-51页 |
| 攻读硕士学位期间参加的科研工作 | 第51-52页 |
| 致谢 | 第52页 |