基于数据挖掘技术的广域电网频率分布特性研究
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 课题的背景与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 主要理论及技术支持 | 第13-17页 |
| 1.3.1 数据挖掘的概念及挖掘过程 | 第13-15页 |
| 1.3.2 数据挖掘与机器学习 | 第15页 |
| 1.3.3 数据挖掘之时间序列分析 | 第15-17页 |
| 1.4 本文的主要研究内容及章节安排 | 第17-18页 |
| 第二章 电网频率分布的时间序列数据挖掘 | 第18-38页 |
| 2.1 时间序列分析的相关理论 | 第18-21页 |
| 2.1.1 时间序列及其分析 | 第18-19页 |
| 2.1.2 时间序列模型理论的基本概念 | 第19-21页 |
| 2.2 频率分布的时间序列分析 | 第21-37页 |
| 2.2.1 频率动态分析的传统方法 | 第21-22页 |
| 2.2.2 频率时序数据的平稳性检验 | 第22-23页 |
| 2.2.3 频率动态分析的时序建模方法 | 第23-34页 |
| 2.2.4 频率分布特征的差异性发现 | 第34-36页 |
| 2.2.5 频率分布特性的季节模式发现 | 第36-37页 |
| 2.3 本章小结 | 第37-38页 |
| 第三章 广域电网频率分布中的互相关性研究 | 第38-49页 |
| 3.1 时间序列数据挖掘中的伪互相关 | 第38-41页 |
| 3.2 频率与有功之间的预白化互相关性 | 第41-46页 |
| 3.2.1 预白化处理 | 第41-42页 |
| 3.2.2 电网频率及有功波动的互相关性分析 | 第42-46页 |
| 3.3 频率分布的延时特性及波形幅值差异的发现 | 第46-48页 |
| 3.4 本章小结 | 第48-49页 |
| 第四章 基于KNN分类算法的扰动频率分布特性分析 | 第49-60页 |
| 4.1 扰动频率的时空分布特性 | 第49页 |
| 4.2 数据整理 | 第49-52页 |
| 4.2.1 数据提取及格式转换 | 第49-50页 |
| 4.2.2 数值型数据分离 | 第50-52页 |
| 4.3 基于KNN算法实现频率数据分类 | 第52-59页 |
| 4.3.1 KNN算法简介及分类流程 | 第52-54页 |
| 4.3.2 数据准备及训练样本集选取 | 第54-56页 |
| 4.3.3 KNN分类器实现及结果分析 | 第56-59页 |
| 4.4 本章小结 | 第59-60页 |
| 第五章 本文工作总结及展望 | 第60-62页 |
| 5.1 本文总结 | 第60-61页 |
| 5.2 工作展望 | 第61-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-66页 |
| 附录 | 第66-68页 |
| 攻读工程硕士期间主要工作 | 第68页 |
