首页--工业技术论文--电工技术论文--输配电工程、电力网及电力系统论文--电力系统的自动化论文

大数据环境下智能电网关键设备健康评估

摘要第5-6页
Abstract第6页
第1章 绪论第10-17页
    1.1 选题背景及意义第10-12页
    1.2 数据挖掘第12-13页
    1.3 数据流处理第13-14页
    1.4 研究内容和意义第14-15页
    1.5 论文的主要工作及组织结构第15-16页
    1.6 本章小结第16-17页
第2章 大数据与电力设备健康评估方法综述第17-26页
    2.1 大数据的相关研究第17-18页
    2.2 数据聚类分析第18-20页
    2.3 数据流处理基本特点第20-22页
        2.3.1 数据流聚类算法第21页
        2.3.2 数据流处理相关工具第21-22页
    2.4 健康评估方法国内外综述第22-25页
    2.5 本章小结第25-26页
第3章 数据流聚类方法研究第26-33页
    3.1 大数据环境下的智能电网设备健康评估概述第26-27页
    3.2 大数据分析工具平台第27-28页
    3.3 SPARK弹性分布式数据集RDD第28页
    3.4 SPARK流式计算第28-29页
    3.5 基于SPARK流式计算的K-MEANS聚类算法原理第29-32页
        3.5.1 K-Means聚类算法思想第29页
        3.5.2 基于Spark Streaming流式计算的K-Means聚类算法第29-32页
    3.6 本章小结第32-33页
第4章 云模型理论及在健康评估中的应用研究第33-44页
    4.1 云模型与高斯云模型理论第33-35页
    4.2 高斯云变换方法第35-37页
    4.3 正向高斯云算法步骤第37-38页
    4.4 逆向高斯云算法步骤第38-40页
    4.5 健康状态评估方法建模研究第40-42页
    4.6 本章小结第42-44页
第5章 实例研究第44-54页
    5.1 风电机组运行工况特征参数选取第44-46页
    5.2 风电机组运行工况识别第46-47页
    5.3 改进的K-MEANS算法和传统K-MEANS算法对比分析第47-49页
    5.4 确定风电机组健康指数第49-51页
    5.5 判断状态类别第51-53页
    5.6 本章小结第53-54页
第6章 总结与展望第54-56页
    6.1 工作总结第54-55页
    6.2 展望第55-56页
参考文献第56-60页
攻读硕士学位期间发表的论文及其他成果第60-61页
致谢第61页

论文共61页,点击 下载论文
上一篇:H2O2传感器的构建及其在柠檬醛抑制黄曲霉产毒机理研究中的应用
下一篇:二氯喹啉酸降解菌筛选、鉴定和应用研究