智能调度大数据的可视化技术研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.2.1 国外研究现状 | 第10-11页 |
| 1.2.2 国内研究现状 | 第11-12页 |
| 1.3 主要研究内容 | 第12-15页 |
| 第2章 智能调度与大数据可视化基础理论 | 第15-25页 |
| 2.1 概述 | 第15页 |
| 2.2 智能调度 | 第15-18页 |
| 2.2.1 传统调度与智能调度 | 第15-16页 |
| 2.2.2 智能调度的概念与功能 | 第16-17页 |
| 2.2.3 智能调度的关键技术 | 第17-18页 |
| 2.3 大数据可视化技术 | 第18-24页 |
| 2.3.1 大数据可视化的概念 | 第18-19页 |
| 2.3.2 大数据可视化的主流应用 | 第19-24页 |
| 2.3.3 大数据可视化的人机交互技术 | 第24页 |
| 2.4 本章小结 | 第24-25页 |
| 第3章 智能调度电气元件可视化方法的研究 | 第25-37页 |
| 3.1 概述 | 第25页 |
| 3.2 调度运行与元件可视化 | 第25-30页 |
| 3.2.1 主要调度运行监控信息分析 | 第25-28页 |
| 3.2.2 各类电气元件信息特征分析 | 第28-30页 |
| 3.3 元件可视化方法 | 第30-35页 |
| 3.3.1 发电机组 | 第30-32页 |
| 3.3.2 发电厂 | 第32页 |
| 3.3.3 变压器 | 第32-34页 |
| 3.3.4 变电站 | 第34-35页 |
| 3.3.5 线路 | 第35页 |
| 3.4 本章小结 | 第35-37页 |
| 第4章 不良潮流数据可视化分析方法的研究 | 第37-55页 |
| 4.1 概述 | 第37页 |
| 4.2 不良数据与潮流计算 | 第37-39页 |
| 4.2.1 不良数据对潮流计算的影响 | 第37-38页 |
| 4.2.2 最小化潮流模型与算法 | 第38-39页 |
| 4.3 不良潮流数据可视化方法 | 第39-53页 |
| 4.3.1 不良潮流数据的信息特征 | 第39-40页 |
| 4.3.2 不良潮流参数的可视化要素 | 第40-42页 |
| 4.3.3 不良潮流可视化与分析 | 第42-52页 |
| 4.3.4 实例验证 | 第52-53页 |
| 4.4 本章小结 | 第53-55页 |
| 第5章 多潮流数据可视化分析方法的研究 | 第55-63页 |
| 5.1 概述 | 第55页 |
| 5.2 传统分析方法与可视化分析方法 | 第55-57页 |
| 5.2.1 传统分析方法 | 第55-56页 |
| 5.2.2 可视化分析方法 | 第56-57页 |
| 5.3 多潮流数据可视化与可视化分析方法 | 第57-61页 |
| 5.3.1 多潮流数据特征分析 | 第57-58页 |
| 5.3.2 可视化方案与可视化分析 | 第58-61页 |
| 5.4 本章小结 | 第61-63页 |
| 第6章 总结与展望 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 攻读硕士学位期间发表的学术论文及其它成果 | 第69-70页 |
| 攻读硕士学位期间参加的科研工作 | 第70-71页 |
| 致谢 | 第71页 |
