| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第13-18页 |
| 1.1 研究背景及意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-16页 |
| 1.3 本文主要工作与贡献 | 第16页 |
| 1.4 本文章节安排 | 第16-18页 |
| 第二章 网络运行态势评估与预测相关技术 | 第18-26页 |
| 2.1 网络态势感知研究 | 第18-19页 |
| 2.2 网络态势评估方法 | 第19-20页 |
| 2.3 网络态势预测方法 | 第20-21页 |
| 2.4 网络态势因子提取方法 | 第21-23页 |
| 2.5 网络态势感知系统模型 | 第23-24页 |
| 2.6 本章小结 | 第24-26页 |
| 第三章 电力综合数据网运行态势评估与预测模型及系统设计 | 第26-47页 |
| 3.1 电力综合数据网运行态势评估与预测需求分析 | 第26页 |
| 3.2 运行态势评估与预测模型 | 第26-30页 |
| 3.2.1 横向模型 | 第27-28页 |
| 3.2.2 纵向模型 | 第28-30页 |
| 3.2.3 模型总述 | 第30页 |
| 3.3 运行态势评估与预测系统结构设计 | 第30-35页 |
| 3.3.1 系统功能设计 | 第31-32页 |
| 3.3.2 系统总体架构 | 第32-33页 |
| 3.3.3 系统运行过程 | 第33-34页 |
| 3.3.4 系统部署结构 | 第34-35页 |
| 3.4 运行态势评估与预测数据库结构设计 | 第35-40页 |
| 3.4.1 SNMP信息数据库设计 | 第35-38页 |
| 3.4.2 态势评估与预测数据库设计 | 第38-40页 |
| 3.4.3 数据库表之间关系 | 第40页 |
| 3.5 基于SNMP的网络态势因子提取 | 第40-46页 |
| 3.5.1 电力综合数据网SNMP代理模型 | 第41-42页 |
| 3.5.2 SNMP信息采集与解析的实现 | 第42-44页 |
| 3.5.3 态势因子提取 | 第44-46页 |
| 3.6 本章小结 | 第46-47页 |
| 第四章 电力综合数据网运行态势评估与预测方法研究 | 第47-67页 |
| 4.1 K-means无监督聚类预标签方法 | 第47-52页 |
| 4.1.1 K-means无监督聚类算法简介 | 第47-48页 |
| 4.1.2 最佳k值选取 | 第48-51页 |
| 4.1.3 改进K-means无监督聚类预标签算法 | 第51-52页 |
| 4.2 基于K-means聚类预标签及支持向量机的运行态势评估方法 | 第52-58页 |
| 4.2.1 支持向量机分类算法 | 第53-55页 |
| 4.2.2 K-means聚类预标签及支持向量机的运行态势评估方法 | 第55-58页 |
| 4.3 基于支持向量机的运行态势预测方法 | 第58-63页 |
| 4.3.1 电力综合数据网运行态势预测特点及评价指标 | 第59-60页 |
| 4.3.2 支持向量机回归预测算法 | 第60页 |
| 4.3.3 基于支持向量机的运行态势预测模型及算法缺点 | 第60-63页 |
| 4.4 基于累加的误差修正及支持向量机的运行态势预测方法 | 第63-66页 |
| 4.4.1 基于累加的误差修正态势预测方法 | 第63-65页 |
| 4.4.2 运行态势预测模型 | 第65-66页 |
| 4.5 本章小结 | 第66-67页 |
| 第五章 运行态势评估与预测系统实验与分析 | 第67-75页 |
| 5.1 测试实验环境 | 第67-68页 |
| 5.2 运行态势评估测试 | 第68-70页 |
| 5.3 运行态势预测测试 | 第70-72页 |
| 5.4 可视化界面展示 | 第72-74页 |
| 5.5 本章小结 | 第74-75页 |
| 第六章 结论 | 第75-77页 |
| 6.1 工作总结 | 第75-76页 |
| 6.2 工作的不足与展望 | 第76-77页 |
| 致谢 | 第77-78页 |
| 参考文献 | 第78-81页 |
| 攻读硕士学位期间参加的科研项目 | 第81-82页 |
