| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-16页 |
| 1.1 研究背景 | 第8-9页 |
| 1.2 电力系统中不良数据辨识和修正的意义 | 第9页 |
| 1.3 国内外研究现状 | 第9-13页 |
| 1.3.1 电力系统中不良数据辨识的研究现状 | 第10-12页 |
| 1.3.2 电力系统中不良数据修正的研究现状 | 第12-13页 |
| 1.4 论文主要研究内容 | 第13-16页 |
| 第二章 时间序列分析基本理论 | 第16-28页 |
| 2.1 引言 | 第16页 |
| 2.2 时间序列分析的基本概念 | 第16-20页 |
| 2.2.1 时间序列的统计量 | 第16-17页 |
| 2.2.2 平稳时间序列 | 第17-20页 |
| 2.2.3 方法性工具 | 第20页 |
| 2.3 时序分析法的基本模型 | 第20-22页 |
| 2.3.1 自回归模型 | 第21页 |
| 2.3.2 移动平均模型 | 第21页 |
| 2.3.3 自回归移动平均模型 | 第21-22页 |
| 2.3.4 求和自回归移动平均模型 | 第22页 |
| 2.4 时序分析建模的理论方法 | 第22-27页 |
| 2.4.1 模型的特征函数 | 第23页 |
| 2.4.2 模型的识别 | 第23-25页 |
| 2.4.3 模型的参数估计 | 第25-26页 |
| 2.4.4 模型的检验 | 第26-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第三章 电力系统中不良数据的辨识与修正 | 第28-44页 |
| 3.1 引言 | 第28页 |
| 3.2 基于时间序列分析的不良数据辨识 | 第28-33页 |
| 3.2.1 拉格朗日插值算法 | 第28-30页 |
| 3.2.2 基于时间序列分析法辨识不良数据 | 第30-33页 |
| 3.3 基于功率平衡以及RBF神经网络的不良数据修正 | 第33-42页 |
| 3.3.1 基于功率平衡的不良数据修正 | 第34-36页 |
| 3.3.2 基于RBF神经网络算法的不良数据修正 | 第36-41页 |
| 3.3.3 不良数据修正流程 | 第41-42页 |
| 3.4 本章小结 | 第42-44页 |
| 第四章 不良数据辨识和修正仿真分析 | 第44-64页 |
| 4.1 引言 | 第44页 |
| 4.2 数据准备与预处理 | 第44-45页 |
| 4.2.1 数据样本准备 | 第44页 |
| 4.2.2 数据预处理 | 第44-45页 |
| 4.3 不良数据的辨识与修正仿真 | 第45-62页 |
| 4.3.1 不良数据设置 | 第45-46页 |
| 4.3.2 单个不良数据的辨识与修正仿真 | 第46-51页 |
| 4.3.3 多个不相邻不良数据的辨识与修正仿真 | 第51-57页 |
| 4.3.4 多个相邻不良数据的辨识与修正仿真 | 第57-62页 |
| 4.4 仿真结果分析 | 第62页 |
| 4.5 本章小结 | 第62-64页 |
| 第五章 总结与展望 | 第64-66页 |
| 5.1 全文总结 | 第64-65页 |
| 5.2 展望 | 第65-66页 |
| 致谢 | 第66-68页 |
| 参考文献 | 第68-70页 |