电能计量数据聚类分析与窃电检测研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 研究背景及意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 负荷曲线聚类分析研究现状 | 第12-14页 |
| 1.2.2 窃电检测研究现状 | 第14-15页 |
| 1.3 论文主要工作与章节安排 | 第15-18页 |
| 第二章 用户窃电行为分析与窃电检测模型 | 第18-28页 |
| 2.1 电能损失简介及窃电定义 | 第18-19页 |
| 2.2 常见窃电方式及反窃电措施 | 第19-21页 |
| 2.2.1 常见窃电方式 | 第19-20页 |
| 2.2.2 反窃电措施 | 第20-21页 |
| 2.3 窃电行为导致用电异常分析 | 第21-22页 |
| 2.4 窃电行为判别指标 | 第22-24页 |
| 2.5 窃电检测模型 | 第24-26页 |
| 2.6 本章小结 | 第26-28页 |
| 第三章 基于聚类的用户负荷曲线分类 | 第28-46页 |
| 3.1 用户负荷曲线简介 | 第28-29页 |
| 3.2 聚类算法相关简介 | 第29-34页 |
| 3.2.1 聚类算法分类 | 第29-31页 |
| 3.2.2 聚类中数据相似度度量 | 第31-32页 |
| 3.2.3 聚类中心初始化方法 | 第32页 |
| 3.2.4 聚类有效性评价 | 第32-34页 |
| 3.4 用户负荷曲线分类过程研究 | 第34-41页 |
| 3.4.1 用户负荷曲线分类过程简介 | 第34-35页 |
| 3.4.2 负荷数据抽取 | 第35-36页 |
| 3.4.3 异常数据处理 | 第36-37页 |
| 3.4.4 单一用户典型的日负荷曲线提取 | 第37-38页 |
| 3.4.5 数据标准化 | 第38页 |
| 3.4.6 基于加权和聚类有效性指标的聚类数确定 | 第38-39页 |
| 3.4.7 基于FCM聚类算法的负荷曲线分类 | 第39-41页 |
| 3.5 基于聚类的用户负荷曲线分类实现 | 第41-44页 |
| 3.5.1 数据抽取 | 第41页 |
| 3.5.2 数据预处理 | 第41页 |
| 3.5.3 聚类数确定 | 第41-42页 |
| 3.5.4 实验结果与分析 | 第42-44页 |
| 3.6 本章小结 | 第44-46页 |
| 第四章 基于PSO-SVR的窃电检测 | 第46-60页 |
| 4.1 基于粒子群优化的SVR算法 | 第46-51页 |
| 4.1.1 支持向量机回归 | 第46-49页 |
| 4.1.2 粒子群算法 | 第49页 |
| 4.1.3 基于PSO优化的SVR算法 | 第49-51页 |
| 4.2 基于负荷特征曲线的疑似窃电用户筛选 | 第51-53页 |
| 4.3 基于PSO-SVR的窃电检测 | 第53-56页 |
| 4.3.1 PSO-SVR模型建立 | 第53-54页 |
| 4.3.2 基于PSO-SVR的窃电检测 | 第54-56页 |
| 4.4 实例分析 | 第56-59页 |
| 4.4.1 数据准备 | 第56-57页 |
| 4.4.2 PSO-SVR模型建立与测试 | 第57-59页 |
| 4.5 本章小结 | 第59-60页 |
| 第五章 总结与展望 | 第60-62页 |
| 5.1 论文总结 | 第60-61页 |
| 5.2 研究展望 | 第61-62页 |
| 致谢 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 附录A 硕士期间发表的论文专利及软著 | 第68页 |
