| 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 研究目标 | 第10页 |
| 1.3 研究意义 | 第10-12页 |
| 1.4 研究现状 | 第12-13页 |
| 1.5 主要研究内容 | 第13页 |
| 1.6 论文章节安排 | 第13-15页 |
| 第二章 基于多维度校验的电能量数据完整性分析 | 第15-35页 |
| 2.1 数据完整性概述 | 第15-16页 |
| 2.2 数据挖掘理论 | 第16-17页 |
| 2.3 电能量数据选用 | 第17-19页 |
| 2.4 电能量数据预处理 | 第19-21页 |
| 2.5 基于时间与数量分布的电能量数据完整性统计分析 | 第21-26页 |
| 2.5.1 基于时间分布的数据缺失统计分析 | 第21-22页 |
| 2.5.2 基于时间段分布的数据缺失统计分析 | 第22-23页 |
| 2.5.3 基于数量对比的数据缺失统计分析 | 第23-25页 |
| 2.5.4 基于统计分析的计量点完整性缺失形态定义 | 第25-26页 |
| 2.6 基于K-Means聚类算法的电能量数据完整性分析 | 第26-34页 |
| 2.6.1 K-Means聚类算法介绍 | 第26-27页 |
| 2.6.2 基于聚类算法的电能表与智能终端缺失数量对比 | 第27-31页 |
| 2.6.3 基于聚类算法的电能表与智能终端表码缺失同步性判断 | 第31-34页 |
| 2.7 本章小结 | 第34-35页 |
| 第三章 电能量数据准确性评价关键指标及异常监测 | 第35-39页 |
| 3.1 数据准确性概述 | 第35-36页 |
| 3.2 数据准确性评价模型数据选用介绍 | 第36页 |
| 3.3 数据准确性评价关键指标 | 第36-37页 |
| 3.4 异常电能量数据监测模型 | 第37-38页 |
| 3.5 本章小结 | 第38-39页 |
| 第四章 基于回归预测的电能量数据修复 | 第39-55页 |
| 4.1 数据修复概述 | 第39-40页 |
| 4.2 电能量数据数据选用 | 第40-41页 |
| 4.3 修复准确性评估指标 | 第41页 |
| 4.4 基于均值法的单点数据修复 | 第41-48页 |
| 4.4.1 特征维度确定 | 第41-43页 |
| 4.4.2 预测结果与时间维度的关系 | 第43-44页 |
| 4.4.3 基于均值法的修复误差率分析 | 第44-47页 |
| 4.4.4 基于均值法的负荷预测结果展示 | 第47-48页 |
| 4.5 基于局部加权线性回归与支持向量机的单点数据修复 | 第48-54页 |
| 4.5.1 局部加权线性回归算法 | 第49页 |
| 4.5.2 电能量数据预处理 | 第49-50页 |
| 4.5.3 特征维度确定 | 第50-52页 |
| 4.5.4 基于回归算法的负荷预测准确性评价 | 第52-53页 |
| 4.5.5 基于局部加权线性回归算法的负荷预测效果 | 第53-54页 |
| 4.6 本章小结 | 第54-55页 |
| 第五章 总结与展望 | 第55-58页 |
| 5.1 全文总结 | 第55-56页 |
| 5.2 展望 | 第56-58页 |
| 参考文献 | 第58-61页 |
| 致谢 | 第61-62页 |
| 攻读硕士学位期间发表的学术论文 | 第62页 |
