| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 选题的背景和意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.3 本文工作内容 | 第13-15页 |
| 第2章 机器学习理论 | 第15-22页 |
| 2.1 简介 | 第15页 |
| 2.2 机器学习分类 | 第15-18页 |
| 2.2.1 机械学习 | 第15-16页 |
| 2.2.2 示教学习 | 第16页 |
| 2.2.3 演绎学习 | 第16页 |
| 2.2.4 类比学习 | 第16-17页 |
| 2.2.5 解释学习 | 第17页 |
| 2.2.6 归纳学习 | 第17-18页 |
| 2.3 基于支持向量机的机器学习 | 第18-20页 |
| 2.3.1 支持向量机的分类算法 | 第19页 |
| 2.3.2 支持向量机的回归算法 | 第19-20页 |
| 2.4 本章小结 | 第20-22页 |
| 第3章 变电站不良数据检测 | 第22-31页 |
| 3.1 变电站与调度自动化系统 | 第22-24页 |
| 3.1.1 变电站自动化系统 | 第22-23页 |
| 3.1.2 调度自动化系统 | 第23-24页 |
| 3.2 不良数据来源 | 第24-25页 |
| 3.3 不良数据检测 | 第25-27页 |
| 3.3.1 标准化残差检测法 | 第25-26页 |
| 3.3.2 量测突变量检测法 | 第26-27页 |
| 3.4 不良数据辨识 | 第27-28页 |
| 3.4.1 不良数据残差搜索辨识法 | 第27页 |
| 3.4.2 不良数据的估计辨识法 | 第27-28页 |
| 3.5 支持向量机回归方法对变电站数据进行检测辨识 | 第28-30页 |
| 3.5.1 变电站不良数据检测辨识步骤 | 第28-29页 |
| 3.5.2 算例分析 | 第29-30页 |
| 3.6 本章小结 | 第30-31页 |
| 第4章 变电站设备状态监测系统 | 第31-44页 |
| 4.1 变电站设备检测内容 | 第31-33页 |
| 4.2 设备状态监测软件的设计 | 第33-37页 |
| 4.2.1 建立数据库 | 第33-34页 |
| 4.2.2 通信数据报文解析 | 第34-36页 |
| 4.2.3 软件系统建模 | 第36-37页 |
| 4.3 软件状态监检测结果 | 第37-42页 |
| 4.4 检测软件使用前后效果对照 | 第42-43页 |
| 4.5 本章小结 | 第43-44页 |
| 第5章 结论与展望 | 第44-45页 |
| 参考文献 | 第45-48页 |
| 致谢 | 第48页 |