专变用户用电特征分析与窃电识别研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 课题背景及研究目的和意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-16页 |
| 1.3 论文主要工作与章节安排 | 第16-18页 |
| 第二章 窃电特征分析与窃电检测 | 第18-32页 |
| 2.1 基于用电参量的窃电特征分析 | 第18-26页 |
| 2.1.1 窃电分析 | 第18-20页 |
| 2.1.2 窃电用户异常特征 | 第20-24页 |
| 2.1.3 基于用电参量构建的窃电判别指标 | 第24-26页 |
| 2.2 电力负荷曲线 | 第26-29页 |
| 2.3 窃电检测模型 | 第29-31页 |
| 2.4 本章小结 | 第31-32页 |
| 第三章 基于用电负荷分析的异常用电初筛 | 第32-46页 |
| 3.1 聚类算法 | 第32-37页 |
| 3.1.1 常用聚类算法 | 第32-34页 |
| 3.1.2 聚类数目选择 | 第34-35页 |
| 3.1.3 聚类质量评估 | 第35-37页 |
| 3.2 基于负荷曲线的异常用电初筛模型 | 第37-38页 |
| 3.3 数据预处理 | 第38-41页 |
| 3.3.1 负荷数据说明 | 第38页 |
| 3.3.2 负荷数据清洗 | 第38-40页 |
| 3.3.3 数据标准化 | 第40-41页 |
| 3.4 模型运行分析 | 第41-44页 |
| 3.5 本章小结 | 第44-46页 |
| 第四章 基于用电参量分析的窃电识别研究 | 第46-60页 |
| 4.1 基于思维进化算法优化的BP神经网络 | 第46-52页 |
| 4.1.1 BP神经网络 | 第46-50页 |
| 4.1.2 思维进化算法 | 第50-52页 |
| 4.1.3 基于思维进化算法优化的神经网络 | 第52页 |
| 4.2 基于用电参量的窃电识别模型 | 第52-53页 |
| 4.3 模型数据基础 | 第53-55页 |
| 4.3.1 输入数据选择 | 第53-54页 |
| 4.3.2 数据预处理 | 第54-55页 |
| 4.4 模型运行分析 | 第55-59页 |
| 4.5 本章小结 | 第59-60页 |
| 第五章 总结和展望 | 第60-62页 |
| 致谢 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 附录A：攻读学位期间参与项目及科研成果 | 第68页 |
