| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4-5页 |
| 1 绪论 | 第8-20页 |
| 1.1 课题研究的目的及意义 | 第8-9页 |
| 1.2 配电网状态估计的研究现状 | 第9-15页 |
| 1.3 不良数据检测与辨识的研究现状 | 第15-17页 |
| 1.4 本文的主要工作 | 第17-20页 |
| 2 电力系统状态估计与不良数据辨识的理论基础 | 第20-32页 |
| 2.1 引言 | 第20页 |
| 2.2 电力系统状态估计的基本原理 | 第20-26页 |
| 2.2.1 加权最小二乘估计 | 第20-22页 |
| 2.2.2 指数型目标函数抗差状态估计 | 第22-24页 |
| 2.2.3 指数加权最小二乘抗差估计 | 第24-26页 |
| 2.3 不良数据检测与辨识方法 | 第26-31页 |
| 2.3.1 传统的不良数据检测与辨识方法 | 第26-29页 |
| 2.3.2 基于数据挖掘的不良数据辨识方法 | 第29-31页 |
| 2.4 本章小结 | 第31-32页 |
| 3 基于智能电表量测的三相四线制配网抗差估计 | 第32-50页 |
| 3.1 引言 | 第32-33页 |
| 3.2 智能电表的基本原理和量测信息 | 第33-36页 |
| 3.2.1 智能电表的概念及原理 | 第33-34页 |
| 3.2.2 智能电表量测量特点 | 第34-36页 |
| 3.3 三相四线制配电网的潮流模型 | 第36-39页 |
| 3.3.1 配电网络元件模型 | 第36-39页 |
| 3.3.2 端点注入电流方程 | 第39页 |
| 3.4 三相四线制配网指数加权最小二乘抗差估计 | 第39-43页 |
| 3.4.1 三相四线制配网状态估计量测方程 | 第40-41页 |
| 3.4.2 三相四线制配网指数加权抗差估计模型 | 第41-42页 |
| 3.4.3 三相四线制配网指数加权抗差估计算法 | 第42-43页 |
| 3.5 算例分析 | 第43-48页 |
| 3.5.1 基础数据 | 第43-44页 |
| 3.5.2 仿真结果 | 第44-48页 |
| 3.6 本章小结 | 第48-50页 |
| 4 抗差估计与聚类分析相结合的配网不良数据辨识 | 第50-62页 |
| 4.1 引言 | 第50-51页 |
| 4.2 基于最大最小距离法和间隙统计算法的K均值聚类 | 第51-53页 |
| 4.2.1 k均值聚类算法的基本原理 | 第51-52页 |
| 4.2.2 初始聚类中心的选取 | 第52页 |
| 4.2.3 最佳聚类个数的确定 | 第52-53页 |
| 4.3 抗差估计与k均值聚类相结合的不良数据辨识 | 第53-55页 |
| 4.4 算例分析 | 第55-61页 |
| 4.4.1 IEEE13 节点系统 | 第55-58页 |
| 4.4.2 实际台区系统 | 第58-61页 |
| 4.5 本章小结 | 第61-62页 |
| 5 总结与展望 | 第62-64页 |
| 5.1 本文研究工作总结 | 第62-63页 |
| 5.2 后续研究工作展望 | 第63-64页 |
| 致谢 | 第64-66页 |
| 参考文献 | 第66-72页 |
| 附录 | 第72-76页 |
| A. 作者在攻读硕士学位期间发表的论文和专利 | 第72页 |
| B. 作者在攻读硕士学位期间参与的科研项目 | 第72页 |
| C. IEEE-13 节点系统 | 第72-74页 |
| D. 江津地区某台区实际系统 | 第74-76页 |