| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-13页 |
| 1.1 研究背景及目的 | 第9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.2.1 低电压成因诊断研究现状 | 第9-10页 |
| 1.2.2 低电压治理投资方案优选研究现状 | 第10页 |
| 1.2.3 低电压治理效果评价研究现状 | 第10-11页 |
| 1.3 主要研究内容及意义 | 第11-12页 |
| 1.4 论文组织结构 | 第12-13页 |
| 第2章 相关理论与技术概述 | 第13-17页 |
| 2.1 低电压治理相关技术 | 第13-15页 |
| 2.2 内存计算技术 | 第15页 |
| 2.3 并行数据挖掘技术 | 第15页 |
| 2.4 评价技术 | 第15-16页 |
| 2.4.1 数据包络分析 | 第15-16页 |
| 2.4.2 多属性综合评价 | 第16页 |
| 2.5 本章总结 | 第16-17页 |
| 第3章 低电压治理模型的总体设计 | 第17-22页 |
| 3.1 Spark内存计算框架 | 第17-18页 |
| 3.1.1 Spark集群架构 | 第17页 |
| 3.1.2 弹性分布式数据集 | 第17-18页 |
| 3.1.3 Spark大数据集群的容错机制 | 第18页 |
| 3.2 低电压治理模型整体流程设计 | 第18-19页 |
| 3.3 低电压治理模型技术架构 | 第19-20页 |
| 3.4 本章总结 | 第20-22页 |
| 第4章 低电压成因诊断模型的设计与实现 | 第22-37页 |
| 4.1 低电压成因诊断流程 | 第22页 |
| 4.2 低电压成因诊断数据获取及处理 | 第22-26页 |
| 4.2.1 数据需求列表 | 第22-23页 |
| 4.2.2 配电网低压用户实采数据数据获取方案 | 第23-24页 |
| 4.2.3 数据预处理 | 第24-26页 |
| 4.3 二分K均值聚类算法 | 第26-28页 |
| 4.3.1 二分K均值算法原理 | 第26-27页 |
| 4.3.2 二分K均值算法在低电压成因诊断中的应用 | 第27-28页 |
| 4.4 分布式回声状态网络（DESN）算法 | 第28-33页 |
| 4.4.1 支持静态模式分类的回声状态网络 | 第28-29页 |
| 4.4.2 分布式回声状态网络算法的实现 | 第29-32页 |
| 4.4.3 分布式回声状态网络算法在低电压成因诊断中的应用 | 第32-33页 |
| 4.5 实例验证 | 第33-36页 |
| 4.5.1 系统环境 | 第33页 |
| 4.5.2 实验过程 | 第33-36页 |
| 4.5.3 实验结论 | 第36页 |
| 4.6 本章总结 | 第36-37页 |
| 第5章 低电压治理评价模型及应用 | 第37-51页 |
| 5.1 低电压治理方案前评价模型 | 第37-46页 |
| 5.1.1 低电压治理方案前评价流程 | 第37-38页 |
| 5.1.2 低电压治理方案前评价指标体系 | 第38-39页 |
| 5.1.3 配网低电压治理辅助决策系统的设计与实现 | 第39-46页 |
| 5.2 低电压治理效果后评价模型 | 第46-50页 |
| 5.2.1 低电压治理效果后评价流程 | 第46-47页 |
| 5.2.2 低电压治理效果后评价指标体系 | 第47-48页 |
| 5.2.3 低电压治理效果后评价实例分析 | 第48-50页 |
| 5.3 本章总结 | 第50-51页 |
| 第6章 总结与展望 | 第51-53页 |
| 6.1 总结 | 第51页 |
| 6.2 未来展望 | 第51-53页 |
| 参考文献 | 第53-56页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第56-57页 |
| 致谢 | 第57页 |
