| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第12-22页 |
| 1.1 智能电网概述 | 第12-15页 |
| 1.1.1 发展背景 | 第12-13页 |
| 1.1.2 简介 | 第13-15页 |
| 1.2 数据挖掘在智能电网中的应用 | 第15-19页 |
| 1.2.1 研究意义 | 第15-16页 |
| 1.2.2 研究现状 | 第16-19页 |
| 1.3 论文主要工作及章节安排 | 第19-22页 |
| 1.3.1 论文主要研究内容及创新点 | 第19-20页 |
| 1.3.2 论文章节安排 | 第20-22页 |
| 第二章 基于SVM多分类概率输出与证据理论的变压器故障诊断 | 第22-41页 |
| 2.1 引言 | 第22页 |
| 2.2 基于油中溶解气体的变压器故障诊断研究现状 | 第22-27页 |
| 2.2.1 变压器油中溶解气体与常见故障类型 | 第22-24页 |
| 2.2.2 变压器故障诊断方法 | 第24-27页 |
| 2.3 理论基础 | 第27-30页 |
| 2.3.1 SVM多分类概率估计 | 第27-29页 |
| 2.3.2 DS证据理论 | 第29-30页 |
| 2.4 基于SVM多分类概率输出与证据理论的故障诊断方法 | 第30-36页 |
| 2.4.1 问题的提出 | 第30-31页 |
| 2.4.2 设计思路 | 第31-32页 |
| 2.4.3 诊断流程 | 第32-36页 |
| 2.5 实例仿真 | 第36-40页 |
| 2.5.1 变压器特征气体样本 | 第36页 |
| 2.5.2 变压器故障实例分析 | 第36-38页 |
| 2.5.3 对比测试 | 第38-40页 |
| 2.6 结论 | 第40-41页 |
| 第三章 基于P-SVDD和P-KFCM的高压断路器自适应故障诊断 | 第41-64页 |
| 3.1 引言 | 第41页 |
| 3.2 理论基础 | 第41-47页 |
| 3.2.1 支持向量域描述 | 第41-43页 |
| 3.2.2 模糊聚类 | 第43-45页 |
| 3.2.3 聚类有效性分析 | 第45-46页 |
| 3.2.4 粒子群算法 | 第46-47页 |
| 3.3 自适应高压断路器故障诊断方法 | 第47-53页 |
| 3.3.1 问题的提出 | 第47-48页 |
| 3.3.2 高压断路器自适应故障诊断流程 | 第48-50页 |
| 3.3.3 P-SVDD模块 | 第50-51页 |
| 3.3.4 P-KFCM模块及其NPC聚类有效性分析 | 第51-53页 |
| 3.4 实例仿真 | 第53-63页 |
| 3.4.1 实验平台 | 第53-54页 |
| 3.4.2 线圈电流样本 | 第54页 |
| 3.4.3 P-KFCM算法测试 | 第54-57页 |
| 3.4.4 基于P-KFCM算法的NPC聚类有效性分析测试 | 第57-59页 |
| 3.4.5 P-SVDD算法测试 | 第59-60页 |
| 3.4.6 自适应故障诊断模型的综合性测试 | 第60-63页 |
| 3.5 结论 | 第63-64页 |
| 第四章 基于相似日和核密度估计的日前商业负荷区间预测 | 第64-86页 |
| 4.1 引言 | 第64页 |
| 4.2 短期负荷预测 | 第64-67页 |
| 4.2.1 基本概念 | 第64-65页 |
| 4.2.2 负荷预测的表现形式 | 第65页 |
| 4.2.3 常见预测方法 | 第65-67页 |
| 4.3 日前商业负荷区间预测方法 | 第67-73页 |
| 4.3.1 问题的提出 | 第67-69页 |
| 4.3.2 商业负荷特性 | 第69页 |
| 4.3.3 负荷区间预测流程 | 第69-70页 |
| 4.3.4 相似日单元 | 第70-72页 |
| 4.3.5 核密度估计单元 | 第72-73页 |
| 4.4 实例仿真 | 第73-85页 |
| 4.4.1 日负荷特性预测 | 第74-77页 |
| 4.4.2 基于相似日单元的算例分析 | 第77-82页 |
| 4.4.3 负荷区间预测测试 | 第82-85页 |
| 4.5 结论 | 第85-86页 |
| 第五章 计及即插即用型需求响应的商业楼宇月度负荷经济调度方法 | 第86-108页 |
| 5.1 引言 | 第86页 |
| 5.2 需求响应 | 第86-87页 |
| 5.2.1 价格型DR | 第87页 |
| 5.2.2 激励型DR | 第87页 |
| 5.3 分布式发电与储能技术 | 第87-88页 |
| 5.4 计及即插即用型需求响应的商业楼宇月度负荷经济调度方法 | 第88-95页 |
| 5.4.1 问题的提出 | 第88-89页 |
| 5.4.2 月度负荷经济调度策略和P&P-DR算法设计 | 第89-95页 |
| 5.5 实例仿真 | 第95-107页 |
| 5.5.1 仿真配置 | 第96-98页 |
| 5.5.2 P&P-DR算测试 | 第98-101页 |
| 5.5.3 基于P&P-DR算法和分布式能源嵌入的负荷调度算例 | 第101-102页 |
| 5.5.4 校园月度负荷经济调度算例 | 第102-107页 |
| 5.6 结论 | 第107-108页 |
| 第六章 结论与展望 | 第108-111页 |
| 6.1 结论 | 第108-109页 |
| 6.2 展望 | 第109-111页 |
| 攻读博士学位期间取得的成果 | 第111页 |
| 攻读博士学位期间参加的科研项目 | 第111-112页 |
| 致谢 | 第112-113页 |
| 参考文献 | 第113-122页 |
