基于神经网络的电力负荷数据清洗模型研究
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 1 绪论 | 第8-15页 |
| ·研究背景 | 第8页 |
| ·电力负荷数据特性 | 第8-10页 |
| ·负荷数据特性 | 第8-9页 |
| ·脏数据来源分析 | 第9-10页 |
| ·国内外研究现状 | 第10-13页 |
| ·研究内容及技术路线 | 第13-15页 |
| 2 数据清洗及神经网络综述 | 第15-25页 |
| ·数据清洗相关理论 | 第15-18页 |
| ·数据质量研究 | 第15-17页 |
| ·数据清洗内涵及原理 | 第17-18页 |
| ·ART2神经网络及GSA算法 | 第18-25页 |
| ·符号表示法 | 第18-19页 |
| ·传统ART2网络 | 第19-23页 |
| ·GSA算法 | 第23-25页 |
| 3 ART2网络算法改进 | 第25-33页 |
| ·ART2网络算法缺陷分析 | 第25-27页 |
| ·定向子系统的缺陷 | 第25-27页 |
| ·权值向量学习规则 | 第27页 |
| ·警戒矩阵的建立 | 第27-29页 |
| ·重置系统的改进 | 第29-31页 |
| ·仿真实验 | 第31-33页 |
| 4 数据清洗模型构建与优化 | 第33-45页 |
| ·数据清洗基本流程 | 第33-35页 |
| ·数据清洗模型框架 | 第35-36页 |
| ·模型的构建 | 第36-42页 |
| ·特征聚合 | 第37-38页 |
| ·脏数据辨识 | 第38-41页 |
| ·脏数据调整 | 第41-42页 |
| ·GSA模型优化 | 第42-45页 |
| 5 数据清洗实例分析 | 第45-50页 |
| ·模型构建 | 第45-46页 |
| ·样本选择 | 第45页 |
| ·实验步骤 | 第45-46页 |
| ·状态分析 | 第46-49页 |
| ·正常状态 | 第46-47页 |
| ·单个异常值 | 第47-48页 |
| ·多个异常值 | 第48-49页 |
| ·结果评价 | 第49-50页 |
| 结论 | 第50-51页 |
| 参考文献 | 第51-53页 |
| 附录A 神经网络符号 | 第53-54页 |
| 攻读硕士学位期间发表学术论文情况 | 第54-56页 |
| 致谢 | 第56-58页 |
