| 摘要 | 第1-7页 |
| Abstract | 第7-10页 |
| 第1章 绪论 | 第10-18页 |
| ·引言 | 第10-11页 |
| ·电力系统状态估计的研究现状 | 第11-13页 |
| ·不良数据检测与辨识的研究动态 | 第13-17页 |
| ·传统的不良数据检测与辨识研究动态 | 第13-15页 |
| ·基于智能理论的不良数据检测与辨识研究动态 | 第15-17页 |
| ·本文的主要工作 | 第17-18页 |
| 第2章 电力系统状态估计 | 第18-30页 |
| ·引言 | 第18页 |
| ·输电网状态估计的数学模型 | 第18-24页 |
| ·电力系统状态估计与常规潮流 | 第19页 |
| ·常规潮流的数学模型与算法 | 第19-20页 |
| ·状态估计的模型与算法 | 第20-22页 |
| ·常规潮流与状态估计算法的关系 | 第22-23页 |
| ·状态估计结果的统计分析 | 第23-24页 |
| ·配电网状态估计 | 第24-29页 |
| ·基于匹配潮流技术的配电网状态估计算法 | 第24-27页 |
| ·基于支路功率的配电网状态估计算法 | 第27-29页 |
| ·小结 | 第29-30页 |
| 第3章 数据挖掘技术及其在电力系统中的应用 | 第30-40页 |
| ·引言 | 第30-31页 |
| ·数据挖掘的研究内容与常用算法 | 第31-37页 |
| ·数据挖掘的研究内容 | 第31-32页 |
| ·数据挖掘的常用算法 | 第32-33页 |
| ·聚类分析 | 第33-34页 |
| ·k-means 聚类算法 | 第34-37页 |
| ·数据挖掘与电力系统 | 第37-39页 |
| ·电力系统数据特点 | 第37-38页 |
| ·数据挖掘在电力系统中的应用 | 第38-39页 |
| ·小结 | 第39-40页 |
| 第4章 基于改进k-means 的不良数据检测和辨识 | 第40-60页 |
| ·引言 | 第40-41页 |
| ·改进的k-means 聚类算法 | 第41-43页 |
| ·基于改进k-means 的特征曲线提取 | 第43-44页 |
| ·基于特征曲线的不良数据处理 | 第44-46页 |
| ·基于特征曲线的不良数据检测与辨识 | 第44-45页 |
| ·基于特征曲线的不良数据修正 | 第45-46页 |
| ·不良数据处理的流程图 | 第46页 |
| ·实例分析 | 第46-58页 |
| ·输电网状态估计中的不良数据处理 | 第46-55页 |
| ·配电网状态估计中的伪量测的补充 | 第55-58页 |
| ·小结 | 第58-60页 |
| 结论 | 第60-61页 |
| 参考文献 | 第61-67页 |
| 攻读硕士学位期间发表的论文和获得的科研成果 | 第67-68页 |
| 致谢 | 第68-69页 |
| 附录A | 第69-71页 |
| 附录B | 第71-74页 |
| 附录C | 第74-76页 |
| 摘要 | 第76-81页 |
| ABSTRACT | 第81-87页 |