摘要 | 第5-7页 |
abstract | 第7-9页 |
第一章 绪论 | 第12-20页 |
1.1 研究背景及意义 | 第12-13页 |
1.2 国内外研究现状 | 第13-17页 |
1.2.1 系统健康度评价方法国内外研究现状 | 第13-15页 |
1.2.2 半监督聚类算法国内外研究现状 | 第15页 |
1.2.3 云计算国内外研究现状 | 第15-17页 |
1.3 论文研究内容及章节安排 | 第17-20页 |
第二章 基于半监督聚类的智能电网调度控制系统健康度评价方法 | 第20-33页 |
2.1 智能电网调度控制系统评价指标体系分析 | 第20-22页 |
2.2 智能电网调度控制监测数据清洗与数理 | 第22-25页 |
2.2.1 原始监测数据的清洗 | 第22-23页 |
2.2.2 原始监测数据的预标注 | 第23-25页 |
2.3 智能电网调度控制系统基于约束条件的半监督聚类评价方法 | 第25-29页 |
2.3.1 约束条件构建原则 | 第25-27页 |
2.3.2 评价聚类过程中心点确定方法 | 第27-28页 |
2.3.3 约束条件指导聚类,获取评价结果 | 第28-29页 |
2.4 D5000系统基于约束条件的半监督健康度评价实例分析 | 第29-32页 |
2.4.1 基于约束条件的半监督聚类对比实验 | 第29-30页 |
2.4.2 健康度评价流程 | 第30-31页 |
2.4.3 健康度评价实例分析 | 第31-32页 |
2.5 本章小结 | 第32-33页 |
第三章 基于极端随机森林的智能电网调度控制系统健康度评价模型 | 第33-45页 |
3.1 智能电网调度控制系统健康度评价模型需求分析 | 第33页 |
3.2 基于随机森林与熵权法结合的评价指标确定方法 | 第33-40页 |
3.2.1 指标权重确定方法描述 | 第34-37页 |
3.2.2 指标权重确定流程 | 第37-38页 |
3.2.3 指标权重确定结果评估 | 第38-40页 |
3.3 基于极端随机森林的智能电网调度控制系统健康度评价模型 | 第40-41页 |
3.3.1 评价子模型的构建 | 第40-41页 |
3.3.2 系统评价模型的构建 | 第41页 |
3.4 智能电网调度控制系统健康度评价实例分析 | 第41-43页 |
3.5 智能电网调度控制系统健康度评价方法可靠性验证 | 第43-44页 |
3.6 本章小结 | 第44-45页 |
第四章 基于Hadoop的智能电网调度控制系统在线健康度评价体系构建 | 第45-52页 |
4.1 智能电网调度控制系统在线评价需求分析 | 第45-46页 |
4.2 基于MapReduce编程模型的智能电网调度控制系统在线健康度评价分布式计算框架 | 第46-48页 |
4.3 Hadoop集群的调度算法与负载均衡 | 第48-49页 |
4.4 Hadoop平台配置与健康度评价实验 | 第49-51页 |
4.5 本章小结 | 第51-52页 |
第五章 总结与展望 | 第52-54页 |
5.1 本文总结 | 第52-53页 |
5.2 未来工作展望 | 第53-54页 |
参考文献 | 第54-58页 |
致谢 | 第58-59页 |
攻读学位期间发表的学术论文目录 | 第59页 |