| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-16页 |
| 1.2.1 可视化技术的研究现状 | 第12-14页 |
| 1.2.2 预警技术的研究现状 | 第14-16页 |
| 1.3 本文的主要研究内容和工作 | 第16-19页 |
| 第2章 配电网网架结构解析与重构 | 第19-39页 |
| 2.1 对SVG文件处理的必要性 | 第19-20页 |
| 2.2 SVG文件分析 | 第20-26页 |
| 2.2.1 文件结构 | 第20-23页 |
| 2.2.2 网架结构信息 | 第23-24页 |
| 2.2.3 整体处理流程 | 第24-26页 |
| 2.3 网架结构的解析 | 第26-28页 |
| 2.3.1 第一级广度搜索法 | 第26-27页 |
| 2.3.2 第二级广度搜索法 | 第27-28页 |
| 2.4 网架的重构 | 第28-33页 |
| 2.4.1 配电网节点编号与重构间距的得出 | 第28-30页 |
| 2.4.2 纵向对称式布图法 | 第30-32页 |
| 2.4.3 后续调整 | 第32-33页 |
| 2.5 网架结构解析与重构功能的实现 | 第33-37页 |
| 2.5.1 网架结构解析与重构实现的技术要点 | 第33-35页 |
| 2.5.2 实例 | 第35-37页 |
| 2.6 本章小结 | 第37-39页 |
| 第3章 基于关联规则挖掘的配电网预警评估 | 第39-57页 |
| 3.1 理论基础 | 第39-43页 |
| 3.1.1 配电网可靠性评估指标 | 第39-41页 |
| 3.1.2 关联规则挖掘 | 第41-43页 |
| 3.2 基于优化的AprioriTid算法求取关联度指标 | 第43-50页 |
| 3.2.1 优化的AprioriTid算法 | 第43-46页 |
| 3.2.2 算例 | 第46-50页 |
| 3.3 计及灾害气候的故障概率指标 | 第50-53页 |
| 3.3.1 灾害气候对配电网元件的影响 | 第50-51页 |
| 3.3.2 故障概率指标的得出 | 第51-53页 |
| 3.4 预警评估结果的得出与其优点 | 第53-55页 |
| 3.5 本章小结 | 第55-57页 |
| 第4章 基于免疫算法的配电网预警 | 第57-71页 |
| 4.1 免疫算法的一般流程 | 第57-58页 |
| 4.2 应用于预警的免疫算法阐述 | 第58-60页 |
| 4.3 基于信息熵和关联规则挖掘的免疫算法预警 | 第60-63页 |
| 4.3.1 预警的前期准备 | 第60-61页 |
| 4.3.2 预警流程 | 第61-63页 |
| 4.4 基于量子免疫算法的预警 | 第63-68页 |
| 4.4.1 预警的前期准备 | 第63-66页 |
| 4.4.2 预警流程 | 第66-68页 |
| 4.5 算法比较 | 第68-69页 |
| 4.6 本章小结 | 第69-71页 |
| 第5章 配电网故障预警子系统的设计与实现 | 第71-81页 |
| 5.1 本文的项目背景 | 第71-72页 |
| 5.2 预警子系统的设计 | 第72-76页 |
| 5.2.1 整体设计 | 第72-73页 |
| 5.2.2 预警所需数据的来源 | 第73-74页 |
| 5.2.3 预警的分颜色等级表达方法 | 第74-76页 |
| 5.3 预警子系统功能实现实例 | 第76-80页 |
| 5.3.1 结果分析 | 第76-78页 |
| 5.3.2 可视化效果 | 第78-80页 |
| 5.4 本章小结 | 第80-81页 |
| 第6章 总结与展望 | 第81-83页 |
| 6.1 总结 | 第81-82页 |
| 6.2 展望 | 第82-83页 |
| 参考文献 | 第83-89页 |
| 致谢 | 第89-91页 |
| 攻读硕士期间所做工作 | 第91-93页 |
| 附录A 电力元件模型库 | 第93-95页 |
| 附录B 配电网网架图形解析与重构功能实现程序段 | 第95-99页 |
| 附录C 项目软件界面介绍 | 第99页 |