| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 引言 | 第9-14页 |
| 1.1 选题背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 本文主要工作 | 第12-13页 |
| 1.3.1 主要研究内容 | 第12页 |
| 1.3.2 主要创新点 | 第12-13页 |
| 1.4 本章小结 | 第13-14页 |
| 第2章 输电线路常见故障及相关分析方法概述 | 第14-22页 |
| 2.1 输电线路常见故障 | 第14-16页 |
| 2.1.1 单相接地故障 | 第14-15页 |
| 2.1.2 短路故障 | 第15页 |
| 2.1.3 断线故障 | 第15-16页 |
| 2.2 大数据算法概述 | 第16-18页 |
| 2.2.1 大数据分析方法 | 第16-17页 |
| 2.2.2 大数据分析算法的应用 | 第17-18页 |
| 2.3 输电线路故障分析方法 | 第18-21页 |
| 2.4 本章小结 | 第21-22页 |
| 第3章 基于模糊KNN的输电线路故障分析模型 | 第22-34页 |
| 3.1 模糊KNN算法 | 第22-27页 |
| 3.1.1 相异性度量 | 第22-23页 |
| 3.1.2 k最近邻分类算法原理 | 第23-25页 |
| 3.1.3 模糊KNN算法原理 | 第25-27页 |
| 3.2 基于FKNN的输电线路故障分析模型 | 第27-29页 |
| 3.2.1 基于ISODATA算法的数据训练 | 第27-29页 |
| 3.2.2 基于模糊KNN算法的数据分析 | 第29页 |
| 3.3 基于SPARK的输电线路实时故障分析平台 | 第29-33页 |
| 3.3.1 实时大数据分析技术 | 第29-30页 |
| 3.3.2 实时输电线路故障分析系统架构 | 第30-31页 |
| 3.3.3 基于Spark的分布式ISODATA算法 | 第31-32页 |
| 3.3.4 基于Spark的分布式模糊KNN算法 | 第32-33页 |
| 3.4 本章小结 | 第33-34页 |
| 第4章 基于混合数据的输电线路故障分析模型 | 第34-43页 |
| 4.1 逻辑回归方法概述 | 第34-36页 |
| 4.2 多类分类问题概述 | 第36-37页 |
| 4.3 基于密度的逻辑回归分析模型 | 第37-40页 |
| 4.3.1 Nadaraya-Watson核估计 | 第37-38页 |
| 4.3.2 密度逻辑回归模型的基本原理 | 第38-40页 |
| 4.4 基于密度逻辑回归的多分类算法模型 | 第40-42页 |
| 4.5 本章小结 | 第42-43页 |
| 第5章 实验结果与分析 | 第43-52页 |
| 5.1 实验环境 | 第43-46页 |
| 5.1.1 硬件系统需求 | 第43-44页 |
| 5.1.2 搭建Spark on Yarn集群 | 第44-45页 |
| 5.1.3 搭建单机应用开发环境 | 第45-46页 |
| 5.2 实验数据 | 第46-47页 |
| 5.2.1 输电线路不对称故障数据源 | 第46-47页 |
| 5.2.2 输电线路不对称故障数据电气量特性分析 | 第47页 |
| 5.3 实验结果与分析 | 第47-51页 |
| 5.3.1 模糊KNN算法分析模型实验 | 第47-49页 |
| 5.3.2 基于Spark实时分析模型实验 | 第49-50页 |
| 5.3.3 基于MCDLR算法分析模型实验 | 第50-51页 |
| 5.4 本章小结 | 第51-52页 |
| 第6章 总结与展望 | 第52-54页 |
| 6.1 工作总结 | 第52页 |
| 6.2 工作展望 | 第52-54页 |
| 参考文献 | 第54-58页 |
| 致谢 | 第58-59页 |
| 附录 | 第59页 |