| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 第一章 绪论 | 第11-17页 |
| ·选题背景 | 第11-12页 |
| ·系统辨识在电能表建模中应用的研究现状 | 第12-14页 |
| ·系统辨识的相关理论 | 第12-13页 |
| ·电能表误差来源 | 第13页 |
| ·电能表建模的研究 | 第13-14页 |
| ·本文的主要工作 | 第14-17页 |
| 第二章 多维条件下电能表计量性能模型建立的技术基础 | 第17-33页 |
| ·多维条件对电子式电能表计量性能影响的理论及试验研究 | 第17-22页 |
| ·电子式电能表计量原理 | 第17-18页 |
| ·标准规范对电能表的要求 | 第18-20页 |
| ·电影响量改变对电子式电能表计量性能影响 | 第20-21页 |
| ·气候影响量改变对电能表计量性能影响 | 第21-22页 |
| ·人工神经网络的概念 | 第22-27页 |
| ·人工神经网络的特征 | 第22-23页 |
| ·人工神经元的结构 | 第23-25页 |
| ·神经网络的分类 | 第25页 |
| ·BP神经网络原理 | 第25-26页 |
| ·BP神经网络的学习训练与泛化能力 | 第26-27页 |
| ·电能表多维条件影响与评估模型的理论研究 | 第27-32页 |
| ·基于BP神经网络的多维条件模型理论概述 | 第27-28页 |
| ·模型网络拓扑结构具体参数设计 | 第28-31页 |
| ·模型训练算法的优化 | 第31-32页 |
| ·本章小结 | 第32-33页 |
| 第三章 多维条件影响试验的研究 | 第33-43页 |
| ·多维条件影响试验平台搭建 | 第33-35页 |
| ·试验探究条件下电能表计量性能 | 第35-40页 |
| ·湿度影响试验 | 第35-37页 |
| ·气压影响试验 | 第37-40页 |
| ·本章小结 | 第40-43页 |
| 第四章 电能表多维条件影响模型的建立 | 第43-53页 |
| ·模型建立的流程 | 第43-46页 |
| ·模型数据样本来源 | 第43-44页 |
| ·模型数据训练样本和验证样本结果分类 | 第44-46页 |
| ·模型网络拓扑结构 | 第46-48页 |
| ·模型网络的训练学习 | 第48-51页 |
| ·本章小结 | 第51-53页 |
| 第五章 多维条件下电能表计量性能模型的准确度和适用性 | 第53-65页 |
| ·多维条件下电能表性能模型性能测试 | 第53-55页 |
| ·多维条件下电能表性能模型性能测试 | 第53-54页 |
| ·验证样本测试 | 第54-55页 |
| ·多维条件下电能表计量性能模型对其他单相电能表的适用性 | 第55-57页 |
| ·多维条件下电能表计量性能模型对关口电能表的适用性 | 第57-63页 |
| ·基于关口电能表现场运行特点的电能表模型拓扑结构 | 第57-58页 |
| ·模型样本的划分 | 第58-60页 |
| ·训练样本测试 | 第60-62页 |
| ·验证样本测试 | 第62-63页 |
| ·本章小结 | 第63-65页 |
| 第六章 模型的应用评估 | 第65-69页 |
| ·电能表模型对电能表现场运行状态的评估方法 | 第65-66页 |
| ·基于实测条件下单相电能表计量性能评估 | 第66-68页 |
| ·基于实测条件下三相关口电能表计量性能评估 | 第68页 |
| ·本章小结 | 第68-69页 |
| 第七章 总结与展望 | 第69-71页 |
| ·全文总结 | 第69页 |
| ·工作展望 | 第69-71页 |
| 参考文献 | 第71-75页 |
| 攻读硕士学位期间发表的学术论文 | 第75-77页 |
| 致谢 | 第77-79页 |
| 在学期间发表的学术论文、专利及科研情况 | 第79页 |
