| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 选题背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 主要内容与工作 | 第12-14页 |
| 第2章 异常负荷数据辨识与修正相关基本理论 | 第14-26页 |
| 2.1 配电网异常负荷数据产生原因 | 第14-15页 |
| 2.2 配电网异常负荷数据分类 | 第15-16页 |
| 2.3 异常负荷数据下的基本聚类算法 | 第16-22页 |
| 2.3.1 聚类算法基本理论 | 第16-18页 |
| 2.3.2 聚类算法种类 | 第18-20页 |
| 2.3.3 异常负荷数据下的K-means聚类算法 | 第20-22页 |
| 2.4 异常负荷数据下的优化算法 | 第22-25页 |
| 2.4.1 优化算法分类 | 第22-23页 |
| 2.4.2 标准萤火虫算法 | 第23-25页 |
| 2.5 本章小结 | 第25-26页 |
| 第3章 配电网负荷数据的预处理研究 | 第26-32页 |
| 3.1 负荷数据集的分类 | 第26-27页 |
| 3.2 负荷间断点的预处理 | 第27-28页 |
| 3.3 负荷去噪预处理 | 第28-31页 |
| 3.3.1 小波阈值去噪法 | 第28-30页 |
| 3.3.2 配电网负荷数据去噪处理流程 | 第30-31页 |
| 3.4 本章小结 | 第31-32页 |
| 第4章 配电网异常负荷数据辨识与修正模型 | 第32-41页 |
| 4.1 基于优化聚类算法的异常负荷数据辨识方法研究 | 第32-36页 |
| 4.1.1 基于聚类可靠性评估指标确定聚类数 | 第32-34页 |
| 4.1.2 异常负荷数据下的优化聚类算法研究 | 第34-36页 |
| 4.2 异常负荷数据辨识模型 | 第36-39页 |
| 4.2.1 生成特征曲线及负荷样本分类 | 第36-37页 |
| 4.2.2 生成特征曲线的带通矩阵 | 第37-38页 |
| 4.2.3 异常负荷数据辨识模型 | 第38-39页 |
| 4.3 异常负荷数据的修正方法 | 第39-40页 |
| 4.4 本章小结 | 第40-41页 |
| 第5章 配电网异常负荷数据辨识与修正实例分析 | 第41-47页 |
| 5.1 测试数据集准备 | 第41-42页 |
| 5.2 仿真实验与结果分析 | 第42-45页 |
| 5.3 与其他方法的实验对比分析 | 第45-46页 |
| 5.4 本章小结 | 第46-47页 |
| 第6章 结论与展望 | 第47-48页 |
| 参考文献 | 第48-52页 |
| 致谢 | 第52页 |