基于神经网络模式识别的非侵入式负荷监测方法研究
| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 课题的研究背景 | 第11-13页 |
| 1.2 国内外研究现状 | 第13-14页 |
| 1.3 本课题的创新点及研究意义 | 第14-15页 |
| 1.4 全文的主要工作 | 第15-17页 |
| 第2章 神经网络模式识别模型 | 第17-23页 |
| 2.1 人工神经网络模式识别概述 | 第17-18页 |
| 2.1.1 神经网络模式识别现状 | 第17-18页 |
| 2.1.2 神经网络模式识别的特点 | 第18页 |
| 2.2 神经网络理论基础 | 第18-20页 |
| 2.2.1 人工神经网络结构 | 第18-19页 |
| 2.2.2 神经网络基本数学原理 | 第19-20页 |
| 2.3 神经网络MATLAB工具箱 | 第20-21页 |
| 2.3.1 激励函数和训练算法 | 第20-21页 |
| 2.3.2 构建神经网络应注意的事项 | 第21页 |
| 2.4 本章小结 | 第21-23页 |
| 第3章 应用NNPR的非侵入式负荷监测方法 | 第23-28页 |
| 3.1 基于NNPR的NILM模型 | 第23-25页 |
| 3.1.1 NNPR模型的输入层 | 第23-24页 |
| 3.1.2 NNPR模型的输出层 | 第24页 |
| 3.1.3 基于MATLAB的NNPR模型 | 第24-25页 |
| 3.2 电器工作模式的确定方法 | 第25-26页 |
| 3.3 本章小结 | 第26-28页 |
| 第4章 验证数据的来源 | 第28-33页 |
| 4.1 实验室数据 | 第28-30页 |
| 4.2 AMPDS数据库数据 | 第30-31页 |
| 4.3 本章小结 | 第31-33页 |
| 第5章 算法的评估方法 | 第33-35页 |
| 5.1 负荷识别准确率 | 第33-34页 |
| 5.2 用电器能耗的估算方法 | 第34页 |
| 5.3 本章小结 | 第34-35页 |
| 第6章 验证结果 | 第35-40页 |
| 6.1 实验室数据验证结果 | 第35-37页 |
| 6.2 AMPds数据验证结果 | 第37-39页 |
| 6.3 本章总结 | 第39-40页 |
| 第7章总结与展望 | 第40-42页 |
| 7.1 结论 | 第40-41页 |
| 7.2 展望 | 第41-42页 |
| 参考文献 | 第42-46页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第46-47页 |
| 攻读硕士学位期间参加的科研工作 | 第47-48页 |
| 致谢 | 第48页 |
