| 中文摘要 | 第1-6页 |
| 英文摘要 | 第6-12页 |
| 第一章 绪论 | 第12-24页 |
| ·研究背景及意义 | 第12-16页 |
| ·电力系统实时信息处理的需求 | 第12页 |
| ·数据流管理的概念和特点 | 第12-15页 |
| ·数据流管理技术的研究方向 | 第15-16页 |
| ·选题意义 | 第16页 |
| ·数据流管理技术的研究现状 | 第16-22页 |
| ·数据流管理项目 | 第17页 |
| ·数据流概要设计 | 第17-19页 |
| ·数据流连续查询 | 第19页 |
| ·数据流挖掘 | 第19页 |
| ·数据流预测 | 第19-20页 |
| ·数据流管理技术应用 | 第20-22页 |
| ·论文的主要工作 | 第22页 |
| ·论文的组织结构 | 第22-24页 |
| 第二章 数据流处理系统模型与概要构建技术的研究 | 第24-50页 |
| ·数据流处理系统模型的研究 | 第24-26页 |
| ·信息时序特征的研究与应用 | 第24页 |
| ·数据流处理实时性的要求 | 第24-25页 |
| ·数据流处理系统的通用模型 | 第25-26页 |
| ·概要数据结构的构建技术 | 第26页 |
| ·基于DFT 的概要构建及增量更新 | 第26-29页 |
| ·DFT 的定义与性质 | 第26-27页 |
| ·DFT 概要的构建 | 第27页 |
| ·DFT 的增量更新算法 | 第27-28页 |
| ·DFT 增量更新算法的测试 | 第28-29页 |
| ·基于DWT 的概要构建及增量更新 | 第29-40页 |
| ·DWT 的Mallat 算法 | 第29-30页 |
| ·DWT 概要的构建 | 第30页 |
| ·DWT 概要的增量更新算法 | 第30-34页 |
| ·改进的DWT 概要增量更新算法 | 第34-36页 |
| ·增量更新DWT 边缘效应问题的解决 | 第36-38页 |
| ·DWT 概要增量更新算法的测试 | 第38-40页 |
| ·一种新的概要构建方法及应用 | 第40-49页 |
| ·基于参数估计的概要构建方法 | 第40-41页 |
| ·算例分析-基于时序特征和参数估计的变压器故障诊断方法 | 第41-49页 |
| ·本章小结 | 第49-50页 |
| 第三章 数据流查询处理与异常检测技术研究 | 第50-71页 |
| ·数据流连续查询的相关概念 | 第50-54页 |
| ·连续查询 | 第50页 |
| ·连续查询的研究内容 | 第50-51页 |
| ·数据流连续查询的思路 | 第51页 |
| ·查询语言 | 第51页 |
| ·查询算法 | 第51-52页 |
| ·基于小波误差树的连续聚集查询算法 | 第52-54页 |
| ·数据流异常检测概念 | 第54-56页 |
| ·时间序列异常检测技术与应用 | 第54-55页 |
| ·数据流异常检测要解决的问题 | 第55-56页 |
| ·数据流异常检测算法 | 第56页 |
| ·基于移动小波树的数据流异常检测方法 | 第56-62页 |
| ·数据流异常检测定义 | 第57页 |
| ·移动小波树数据结构 | 第57-59页 |
| ·移动小波树异常检测原理 | 第59-60页 |
| ·阈值设定 | 第60-61页 |
| ·树结构的更新 | 第61-62页 |
| ·改进的基于移动小波树的数据流异常检测算法 | 第62-65页 |
| ·数据预处理 | 第62-64页 |
| ·单调搜索空间的构建 | 第64-65页 |
| ·移动小波树的实时增量更新 | 第65页 |
| ·算例分析 | 第65-70页 |
| ·本章小结 | 第70-71页 |
| 第四章 数据流挖掘技术的研究 | 第71-91页 |
| ·数据流挖掘的需求与思路 | 第71页 |
| ·数据流聚类技术的研究 | 第71-74页 |
| ·k-means 聚类算法原理 | 第72-73页 |
| ·数据流聚类思想 | 第73-74页 |
| ·数据流分类的研究 | 第74-77页 |
| ·分类算法简介 | 第74-76页 |
| ·数据流分类的思想 | 第76-77页 |
| ·算例分析 | 第77-90页 |
| ·基于数据流挖掘技术的配变负荷分类 | 第77-85页 |
| ·基于数据流处理的电能质量扰动在线识别 | 第85-90页 |
| ·本章小结 | 第90-91页 |
| 第五章 数据流预测技术研究 | 第91-108页 |
| ·预测的概念与预测方法的研究 | 第91-95页 |
| ·预测的概念及应用 | 第91页 |
| ·预测误差 | 第91-92页 |
| ·预测方法 | 第92-93页 |
| ·时间序列预测技术 | 第93页 |
| ·小波分解在时间序列预测中的应用 | 第93-94页 |
| ·最小二乘支持向量机时间序列预测 | 第94-95页 |
| ·数据流预测方法的研究 | 第95-99页 |
| ·数据流预测的需求 | 第95-96页 |
| ·数据流预测的思想 | 第96页 |
| ·基于小波分解与最小二乘支持向量机的数据流预测方法 | 第96-99页 |
| ·算例分析 | 第99-107页 |
| ·基于数据流处理技术的超短期电力负荷预测 | 第100-103页 |
| ·基于数据流处理技术的发电机功角预测 | 第103-107页 |
| ·本章小结 | 第107-108页 |
| 第六章 结论与展望 | 第108-110页 |
| 参考文献 | 第110-119页 |
| 致谢 | 第119-120页 |
| 个人简历、在学期间参加的科研工作及学术论文发表 | 第120-122页 |