| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第15-26页 |
| 1.1 研究背景及意义 | 第15-17页 |
| 1.2 国内外研究现状 | 第17-22页 |
| 1.2.1 用电负荷数据传输研究现状 | 第17-19页 |
| 1.2.2 非侵入式负荷监测研究现状 | 第19-21页 |
| 1.2.3 负荷监测数据挖掘研究现状 | 第21-22页 |
| 1.3 本文主要研究内容和创新点 | 第22-23页 |
| 1.4 本文章节结构 | 第23-26页 |
| 第2章 非侵入式负荷监测数据压缩感知与传输方法研究 | 第26-50页 |
| 2.1 引言 | 第26-27页 |
| 2.2 压缩感知原理 | 第27-29页 |
| 2.3 非侵入式负荷监测数据压缩感知建模 | 第29-33页 |
| 2.3.1 数据采集模型 | 第29-30页 |
| 2.3.2 稀疏性分析 | 第30-32页 |
| 2.3.3 观测矩阵构建与分析 | 第32-33页 |
| 2.4 非侵入式负荷监测数据重构方法 | 第33-38页 |
| 2.4.1 改进迭代阈值重构方法 | 第33-34页 |
| 2.4.2 重构实现过程 | 第34-35页 |
| 2.4.3 实验结果与分析 | 第35-38页 |
| 2.5 基于压缩感知的非侵入式负荷监测数据WSN传输方法 | 第38-49页 |
| 2.5.1 WSN压缩感知路由分析 | 第38-40页 |
| 2.5.2 基于混合压缩感知的WSN优化分簇模型 | 第40-44页 |
| 2.5.3 优化分簇路由算法 | 第44-45页 |
| 2.5.4 算法仿真分析 | 第45-49页 |
| 2.6 本章小结 | 第49-50页 |
| 第3章 非侵入式负荷监测特征提取方法研究 | 第50-70页 |
| 3.1 引言 | 第50-51页 |
| 3.2 负荷特征提取原理 | 第51-55页 |
| 3.2.1 暂态特征提取方法 | 第51-52页 |
| 3.2.2 稳态特征提取方法 | 第52-54页 |
| 3.2.3 特征提取必要性分析 | 第54-55页 |
| 3.3 非活性电流谐波负荷特征提取方法 | 第55-58页 |
| 3.3.1 基本思想 | 第55页 |
| 3.3.2 非活性电流谐波特征提取 | 第55-57页 |
| 3.3.3 特征相似性分析 | 第57-58页 |
| 3.4 基于改进模糊聚类的差量特征提取方法 | 第58-69页 |
| 3.4.1 基本思想 | 第58-59页 |
| 3.4.2 负荷差量特征提取 | 第59-60页 |
| 3.4.3 改进模糊聚类实现 | 第60-63页 |
| 3.4.4 实验结果与分析 | 第63-69页 |
| 3.5 本章小结 | 第69-70页 |
| 第4章 非侵入式负荷监测识别算法研究 | 第70-88页 |
| 4.1 引言 | 第70-71页 |
| 4.2 非侵入式负荷识别原理 | 第71-74页 |
| 4.2.1 问题描述 | 第71-72页 |
| 4.2.2 遗传算法基本原理 | 第72-73页 |
| 4.2.3 神经网络基本原理 | 第73-74页 |
| 4.3 基于多特征遗传目标函数优化的负荷识别算法 | 第74-81页 |
| 4.3.1 算法基本思想 | 第74页 |
| 4.3.2 多特征优化负荷识别目标函数模型 | 第74-76页 |
| 4.3.3 算法实现 | 第76-77页 |
| 4.3.4 实验结果与分析 | 第77-81页 |
| 4.4 基于遗传优化神经网络的非侵入式负荷识别算法 | 第81-87页 |
| 4.4.1 算法基本思想 | 第81-82页 |
| 4.4.2 神经网络遗传迭代优化模型 | 第82-83页 |
| 4.4.3 算法实现 | 第83-84页 |
| 4.4.4 实验结果与分析 | 第84-87页 |
| 4.5 本章小结 | 第87-88页 |
| 第5章 非侵入式异常用电行为检测方法研究 | 第88-104页 |
| 5.1 引言 | 第88-89页 |
| 5.2 异常用电行为检测原理 | 第89-90页 |
| 5.3 异常用电行为特征优化选择策略 | 第90-93页 |
| 5.3.1 基于NILM的用电行为特征建模 | 第90-91页 |
| 5.3.2 特征优化选择策略 | 第91-93页 |
| 5.4 异常用电极限学习机检测算法 | 第93-97页 |
| 5.4.1 极限学习机网络 | 第93-96页 |
| 5.4.2 异常用电检测算法实现过程 | 第96-97页 |
| 5.5 实验结果与分析 | 第97-102页 |
| 5.5.1 特征优化与选择结果分析 | 第98-99页 |
| 5.5.2 ELM异常检测结果分析 | 第99-102页 |
| 5.6 本章小结 | 第102-104页 |
| 第6章 总结与展望 | 第104-107页 |
| 6.1 论文工作总结 | 第104-105页 |
| 6.2 今后工作展望 | 第105-107页 |
| 参考文献 | 第107-117页 |
| 攻读博士学位期间发表的论文及其他成果 | 第117-118页 |
| 攻读博士学位期间参加的科研工作 | 第118-119页 |
| 致谢 | 第119-120页 |
| 作者简介 | 第120页 |
