| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4-5页 |
| 1 绪论 | 第9-15页 |
| 1.1 课题研究的背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 国外研究现状 | 第10-12页 |
| 1.2.2 国内研究现状 | 第12页 |
| 1.3 本文的工作安排 | 第12-15页 |
| 2 负荷数据的采集与预处理 | 第15-27页 |
| 2.1 基于事件检测的非侵入式负荷监测系统 | 第15-18页 |
| 2.2 负荷数据的采集 | 第18-23页 |
| 2.2.1 信号调理电路的设计 | 第18-20页 |
| 2.2.2 电压、电流同步采集程序设计 | 第20页 |
| 2.2.3 实验对象的选择和数据采集原理框图 | 第20-23页 |
| 2.3 负荷数据的去噪处理 | 第23-26页 |
| 2.4 本章小结 | 第26-27页 |
| 3 应用小波变换的住宅用电负荷投切事件检测算法 | 第27-43页 |
| 3.1 事件检测的理论基础 | 第27-29页 |
| 3.1.1 离散小波变换的原理 | 第28-29页 |
| 3.1.2 模极大值理论 | 第29页 |
| 3.2 利用小波变换检测负荷投切点的改进方法 | 第29-32页 |
| 3.2.1 有功功率数据的归一化 | 第30页 |
| 3.2.2 增量比值法 | 第30-31页 |
| 3.2.3 归一化有功功率增量法 | 第31-32页 |
| 3.3 实测算例验证 | 第32-42页 |
| 3.3.1 传统小波变点检测方法在负荷投切检测中的缺陷 | 第32-35页 |
| 3.3.2 细节层数的确定 | 第35页 |
| 3.3.3 小波变换基函数的选择 | 第35-36页 |
| 3.3.4 多种电器混合投切实验验证 | 第36-42页 |
| 3.4 本章小结 | 第42-43页 |
| 4 结合小波变换和主成分分析的特征量提取 | 第43-55页 |
| 4.1 利用小波变换提取特征量 | 第43-46页 |
| 4.1.1 稳态特征量的提取 | 第43-45页 |
| 4.1.2 暂态特征量的提取 | 第45-46页 |
| 4.2 稳态小波特征量的降维处理 | 第46-50页 |
| 4.2.1 主成分分析的原理 | 第46-47页 |
| 4.2.2 相关性分析 | 第47-48页 |
| 4.2.3 KMO和巴特利特球形度检验 | 第48-49页 |
| 4.2.4 总方差解释 | 第49页 |
| 4.2.5 主成分与原特征量的关系 | 第49-50页 |
| 4.3 住宅用电负荷识别的特征数据库 | 第50-53页 |
| 4.3.1 稳态特征数据库 | 第50-51页 |
| 4.3.2 暂态特征数据库 | 第51-53页 |
| 4.4 本章小结 | 第53-55页 |
| 5 基于随机森林的住宅用电负荷识别 | 第55-79页 |
| 5.1 随机森林的理论基础 | 第56-59页 |
| 5.1.1 决策树 | 第56-58页 |
| 5.1.2 Bagging算法 | 第58页 |
| 5.1.3 随机森林 | 第58-59页 |
| 5.2 基于随机森林的住宅用电负荷识别算法 | 第59-63页 |
| 5.2.1 随机森林的构建 | 第59-61页 |
| 5.2.2 袋外错误率的估计 | 第61-62页 |
| 5.2.3 各特征量的重要性排序 | 第62-63页 |
| 5.2.4 分类结果评价指标 | 第63页 |
| 5.3 实测算例分析 | 第63-77页 |
| 5.3.1 本文的识别算法流程 | 第63-64页 |
| 5.3.2 验证实验的设计 | 第64-72页 |
| 5.3.3 识别准确率分析 | 第72-77页 |
| 5.4 本章小结 | 第77-79页 |
| 6 总结与展望 | 第79-81页 |
| 6.1 本文工作的总结 | 第79页 |
| 6.2 展望 | 第79-81页 |
| 致谢 | 第81-83页 |
| 参考文献 | 第83-89页 |
| 附录 | 第89页 |
| A.作者在攻读硕士学位期间发表的论文目录 | 第89页 |
| B.作者在攻读硕士学位期间取得的科研成果目录 | 第89页 |