输电线覆冰负荷预测模型的数据驱动方法研究
| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-14页 |
| ·背景介绍 | 第8-9页 |
| ·国内外研究现状 | 第9-10页 |
| ·机理模型 | 第9页 |
| ·统计学模型 | 第9-10页 |
| ·智能计算模型 | 第10页 |
| ·当前预测模型所存在的问题 | 第10-12页 |
| ·预测模型存在不确定性和泛化能力弱 | 第10-11页 |
| ·预测模型的粒度问题 | 第11-12页 |
| ·论文主要内容 | 第12-14页 |
| 第二章 架空输电线覆冰产生的机理及影响因子 | 第14-25页 |
| ·输电线覆冰产生的机理和分类 | 第14-17页 |
| ·输电线覆冰形成及增长的影响因子 | 第17-24页 |
| ·气象因素的影响 | 第17-19页 |
| ·气候的影响 | 第19-20页 |
| ·地理地形环境 | 第20-22页 |
| ·线路走向及输电线的高度 | 第22-23页 |
| ·导线本身的影响 | 第23页 |
| ·覆冰的类型 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 第三章 基于回归分析的覆冰重量预测模型 | 第25-33页 |
| ·多项式拟合分析模型 | 第25-29页 |
| ·数据拟合模型的原理 | 第25-27页 |
| ·数据拟合模型建立 | 第27-28页 |
| ·仿真结果及分析 | 第28-29页 |
| ·基于ARMA的线性时间序列回归分析模型 | 第29-32页 |
| ·ARMA模型的简介及原理 | 第30页 |
| ·ARMA模型的建立 | 第30-31页 |
| ·仿真结果及分析 | 第31-32页 |
| ·本章小结 | 第32-33页 |
| 第四章 覆冰过程的混沌时间序列特性分析 | 第33-42页 |
| ·混沌时间序列简介 | 第34-35页 |
| ·覆冰过程的混沌时间序列特性分析 | 第35-36页 |
| ·嵌入维数判定算法 | 第36-38页 |
| ·延迟时间估计算法 | 第38页 |
| ·微气象因子的嵌入维数和延迟时间 | 第38-41页 |
| ·嵌入维数仿真结果 | 第38-39页 |
| ·延迟时间仿真结果 | 第39-41页 |
| ·本章小结 | 第41-42页 |
| 第五章 基于机器学习方法的覆冰重量的预测 | 第42-60页 |
| ·仿真平台及覆冰数据说明与分析 | 第42-43页 |
| ·BP神经网络的简介及原理 | 第43-45页 |
| ·BP神经网络模型建立步骤及框图 | 第44-45页 |
| ·BP神经网络的仿真结果 | 第45-49页 |
| ·同一覆冰过程单步及多步 | 第46-47页 |
| ·不同覆冰过程单步及多步 | 第47-49页 |
| ·支持向量机的简介及原理 | 第49-53页 |
| ·最优超平面的概念和构建 | 第49-50页 |
| ·支持向量机的基本原理 | 第50-52页 |
| ·支持向量机的模型建立步骤及框图 | 第52-53页 |
| ·支持向量机的仿真结果 | 第53-56页 |
| ·同一覆冰过程单步及多步 | 第54-55页 |
| ·不同覆冰过程单步及多步 | 第55-56页 |
| ·两种模型的比较与分析 | 第56-59页 |
| ·本章小结 | 第59-60页 |
| 总结与展望 | 第60-62页 |
| 参考文献 | 第62-64页 |
| 致谢 | 第64-65页 |
| 发表论文和参与科研情况 | 第65页 |
