| 摘要 | 第8-10页 |
| ABSTRACT | 第10-11页 |
| 第一章 绪论 | 第12-18页 |
| 1.1 选题背景及研究意义 | 第12-13页 |
| 1.2 负荷动特性数据获取的发展现状 | 第13-15页 |
| 1.3 负荷动特性数据获取面临的问题 | 第15-16页 |
| 1.4 本文的主要工作 | 第16-18页 |
| 第二章 基于Hadoop的负荷动特性数据存储平台 | 第18-29页 |
| 2.1 Hadoop平台的结构原理 | 第18-22页 |
| 2.2 Hadoop平台的搭建 | 第22-25页 |
| 2.3 基于Hadoop的负荷动特性数据云存储方案 | 第25-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第三章 基于Hadoop的负荷动特性数据处理 | 第29-48页 |
| 3.1 负荷动特性数据来源及其预处理 | 第29-34页 |
| 3.1.1 广域测量系统数据预处理 | 第29-31页 |
| 3.1.2 故障录波数据预处理 | 第31-32页 |
| 3.1.3 电能质量监测数据预处理 | 第32-34页 |
| 3.2 负荷动特性数据中不良数据辨识与修正 | 第34-37页 |
| 3.2.1 基于负荷动特性数据纵向相似性的不良数据辨识 | 第34-35页 |
| 3.2.2 基于抛物线插值法的不良数据修正 | 第35-36页 |
| 3.2.3 仿真分析 | 第36-37页 |
| 3.3 基于小波分析的负荷动特性数据去噪 | 第37-42页 |
| 3.3.1 小波分析基本理论 | 第37-38页 |
| 3.3.2 小波去噪原理及应用 | 第38-40页 |
| 3.3.3 仿真分析 | 第40-42页 |
| 3.4 基于Hadoop负荷动特性数据处理平台结构设计 | 第42-47页 |
| 3.4.1 数据加载模块 | 第43-44页 |
| 3.4.2 数据抽取与格式转换模块 | 第44-45页 |
| 3.4.3 数据预处理模块 | 第45-46页 |
| 3.4.4 数据变换模块 | 第46-47页 |
| 3.5 本章小结 | 第47-48页 |
| 第四章 基于ELM的精确负荷动特性数据获取 | 第48-61页 |
| 4.1 极限学习机基本理论 | 第48-51页 |
| 4.2 负荷动特性数据精确获取方案 | 第51-53页 |
| 4.2.1 测试数据选取 | 第51页 |
| 4.2.2 ELM参数设置 | 第51-52页 |
| 4.2.3 基于ELM的负荷动特性数据获取方案 | 第52-53页 |
| 4.3 仿真分析 | 第53-57页 |
| 4.3.1 利用典型扰动数据建立ELM分类模型 | 第53-54页 |
| 4.3.2 ELM模型性能分析 | 第54-55页 |
| 4.3.3 ELM与BP神经网络性能比对 | 第55-56页 |
| 4.3.4 ELM在实测数据中的应用及分析 | 第56-57页 |
| 4.4 基于Hadoop并行ELM算法研究 | 第57-60页 |
| 4.5 本章小结 | 第60-61页 |
| 第五章 总结与展望 | 第61-63页 |
| 5.1 论文的主要研究成果 | 第61页 |
| 5.2 后期工作展望 | 第61-63页 |
| 参考文献 | 第63-71页 |
| 致谢 | 第71-72页 |
| 攻读硕士期间发表论文及参与科研情况 | 第72-73页 |
| 附件 | 第73页 |
