| 致谢 | 第4-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第12-19页 |
| 1.1 研究背景与意义 | 第12-13页 |
| 1.2 智能电网数据采集与监控 | 第13-15页 |
| 1.2.1 智能电网数据采集与监控概述 | 第13-14页 |
| 1.2.2 智能电网SCADA系统研究现状 | 第14-15页 |
| 1.3 智能电网调度系统监控辅助决策 | 第15-17页 |
| 1.3.1 智能电网调度系统监控辅助决策概述 | 第15页 |
| 1.3.2 智能电网调度系统监控辅助决策研究现状 | 第15-17页 |
| 1.4 本文研究内容与组织结构 | 第17-19页 |
| 2 基于云服务的智能电网监测与控制 | 第19-35页 |
| 2.1 引言 | 第19页 |
| 2.2 云计算与服务模式 | 第19-20页 |
| 2.2.1 云计算概念 | 第19-20页 |
| 2.2.2 电力监控应用服务模式 | 第20页 |
| 2.3 基于云服务的智能电网SCADA系统 | 第20-30页 |
| 2.3.1 系统架构 | 第20-22页 |
| 2.3.2 系统技术方案 | 第22-26页 |
| 2.3.3 系统运行工作流程 | 第26-30页 |
| 2.4 工程应用 | 第30-34页 |
| 2.4.1 多形态智能电网应用实例 | 第30-33页 |
| 2.4.2 系统互联 | 第33-34页 |
| 2.5 本章小结 | 第34-35页 |
| 3 基于数据挖掘的智能电网调度监控辅助决策 | 第35-64页 |
| 3.1 引言 | 第35页 |
| 3.2 电网调度监控辅助决策方案 | 第35-39页 |
| 3.2.1 监控知识分层表示体系 | 第36-37页 |
| 3.2.2 基于云的监控数据分布式存储与管理方案 | 第37-38页 |
| 3.2.3 基于增量学习的监控辅助决策专家库工作流程 | 第38-39页 |
| 3.3 基于Viterbi算法的告警信号文本处理 | 第39-40页 |
| 3.3.1 本体与本体词典 | 第39-40页 |
| 3.3.2 Viterbi分词与告警信号向量化 | 第40页 |
| 3.4 基于文本聚类的告警信号模板拟合 | 第40-51页 |
| 3.4.1 算法逻辑框架 | 第40-42页 |
| 3.4.2 信号的预处理与分类 | 第42-44页 |
| 3.4.3 基于文本聚类的模板拟合 | 第44-48页 |
| 3.4.4 基于时序关系的模板前缀树构建 | 第48-51页 |
| 3.5 实时告警信号诊断分析 | 第51-57页 |
| 3.5.1 算法逻辑框架 | 第51-53页 |
| 3.5.2 实时告警信号智能化分析 | 第53-56页 |
| 3.5.3 辅助决策专家库的增量学习 | 第56-57页 |
| 3.6 智能电网调度监控辅助决策专家库算法实现 | 第57-63页 |
| 3.6.1 通用模板数据挖掘 | 第57-60页 |
| 3.6.2 实时故障分析诊断 | 第60-62页 |
| 3.6.3 自适应增量学习 | 第62-63页 |
| 3.7 本章小结 | 第63-64页 |
| 4 智能电网调度监控平台的设计与开发 | 第64-75页 |
| 4.1 引言 | 第64-65页 |
| 4.2 智能电网调度监控平台总体框架设计 | 第65-67页 |
| 4.2.1 设计目标 | 第65页 |
| 4.2.2 系统架构 | 第65-67页 |
| 4.3 智能电网调度监控平台实现与效果展示 | 第67-74页 |
| 4.3.1 监控专家知识库系统 | 第67-69页 |
| 4.3.2 数据采集与监控 | 第69页 |
| 4.3.3 智能电网调度监控辅助决策 | 第69-74页 |
| 4.4 本章小结 | 第74-75页 |
| 5 结论 | 第75-77页 |
| 5.1 研究工作总结 | 第75-76页 |
| 5.2 后续工作展望 | 第76-77页 |
| 参考文献 | 第77-82页 |
| 作者简历 | 第82页 |