配电网负荷聚类感知与自学习控制
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 1 绪论 | 第10-17页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 配电网大数据应用研究现状 | 第11-14页 |
| 1.3 本文的主要工作及章节安排 | 第14-17页 |
| 2 基于开源信息挖掘的配电网空间负荷估计 | 第17-29页 |
| 2.1 基于地理开放平台的电力用户信息收集 | 第17-20页 |
| 2.2 电力用户信息二次查询与预处理 | 第20-22页 |
| 2.3 电力用户时空筛选 | 第22-24页 |
| 2.4 基于建筑的空间负荷估计 | 第24-25页 |
| 2.5 配电网空间负荷估计实例 | 第25-27页 |
| 2.6 本章小结 | 第27-29页 |
| 3 空间负荷分布态势聚类感知 | 第29-39页 |
| 3.1 基于密度峰搜索的改进聚类方法 | 第29-33页 |
| 3.2 基于群簇属性的城市负荷感知模型 | 第33-35页 |
| 3.3 城市空间负荷聚类感知实例 | 第35-38页 |
| 3.4 本章小结 | 第38-39页 |
| 4 基于增强深度学习的配电网控制 | 第39-49页 |
| 4.1 马尔科夫决策过程 | 第39-42页 |
| 4.2 Q-LEARNING算法 | 第42-45页 |
| 4.3 深度估值网络DEEP-Q-NETWORK | 第45-46页 |
| 4.4 配电网自学习控制方法 | 第46-48页 |
| 4.5 本章小结 | 第48-49页 |
| 5 主动配电网自学习控制仿真分析 | 第49-61页 |
| 5.1 主动配电网及仿真模型 | 第49-53页 |
| 5.2 自学习控制参数设置 | 第53-55页 |
| 5.3 主动配电网自学习控制仿真 | 第55-60页 |
| 5.4 本章小结 | 第60-61页 |
| 6 总结与展望 | 第61-63页 |
| 6.1 主要工作及成果 | 第61-62页 |
| 6.2 工作展望 | 第62-63页 |
| 特别感谢 | 第63-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-70页 |
| 附录1 攻读硕士学位期间发表论文与申请专利 | 第70-71页 |
| 附录2 攻读硕士学位期间参与的项目 | 第71页 |
