| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 目录 | 第8-10页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 相关国内外研究现状 | 第11-15页 |
| 1.3 研究课题的提出及意义 | 第15页 |
| 1.4 本文研究内容及组织结构 | 第15-17页 |
| 第二章 数据挖掘技术概述 | 第17-31页 |
| 2.1 数据挖掘概念 | 第17-19页 |
| 2.2 数据挖掘过程 | 第19-22页 |
| 2.2.1 数据挖掘方法论 | 第20-21页 |
| 2.2.2 数据挖掘预处理技术 | 第21-22页 |
| 2.3 相关数据挖掘算法 | 第22-29页 |
| 2.3.1 聚类分析 | 第22-25页 |
| 2.3.2 支持向量机 | 第25-29页 |
| 2.4 本章小结 | 第29-31页 |
| 第三章 AVC 系统电压数据描述性分析及预处理 | 第31-37页 |
| 3.1 AVC 系统概述--以广州市为例 | 第31-33页 |
| 3.1.1 自动电压控制原理 | 第31-32页 |
| 3.1.2 广州市 AVC 系统 | 第32-33页 |
| 3.2 电压数据获取及预处理 | 第33-36页 |
| 3.2.1 数据获取 | 第33-34页 |
| 3.3.2 数据探索与预处理 | 第34-36页 |
| 3.3 本章小结 | 第36-37页 |
| 第四章 基于支持向量机回归 AVC 主变电压特征曲线提取 | 第37-50页 |
| 4.1 AVC 主变电压特征曲线 | 第37-38页 |
| 4.1.1 电压数据研究的提出 | 第37-38页 |
| 4.1.2 AVC 主变电压特征曲线及意义 | 第38页 |
| 4.2 支持向量机回归原理及优势 | 第38-42页 |
| 4.3 电压支持向量机回归模型建立 | 第42-43页 |
| 4.4 实验过程 | 第43-47页 |
| 4.4.1 数据预处理 | 第44页 |
| 4.4.2 模型效果测量指标 | 第44-45页 |
| 4.4.3 模型参数确定和优化 | 第45-47页 |
| 4.4.4 电压特征曲线提取 | 第47页 |
| 4.5 电压特征曲线分析 | 第47-49页 |
| 4.6 本章小结 | 第49-50页 |
| 第五章 AVC 主变电压特征曲线聚类分析 | 第50-61页 |
| 5.1 AVC 主变电压特征曲线模式聚类 | 第50页 |
| 5.2 电压特征曲线 K 均值聚类分析原理 | 第50-52页 |
| 5.3 实验过程 | 第52-56页 |
| 5.3.1 建模数据预处理 | 第53-55页 |
| 5.3.2 特征曲线建模聚类 | 第55-56页 |
| 5.4 聚类结果分析及评价 | 第56-59页 |
| 5.5 本章小结 | 第59-61页 |
| 总结与展望 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 附录-主变电压特征曲线聚类中心 | 第66-69页 |
| 攻读硕士学位期间取得的研究成果 | 第69-70页 |
| 致谢 | 第70-71页 |
| 附件 | 第71页 |