基于数据挖掘的电网规划不良数据辨识与修正
摘要 | 第5-6页 |
Abstract | 第6页 |
第1章 绪论 | 第9-14页 |
1.1 研究背景及意义 | 第9页 |
1.2 研究现状 | 第9-12页 |
1.2.1 数据挖掘 | 第9-11页 |
1.2.2 不良数据辨识 | 第11-12页 |
1.3 主要研究内容 | 第12-14页 |
第2章 BPA与电网规划 | 第14-23页 |
2.1 电网规划 | 第14-15页 |
2.1.1 电网规划分类 | 第14页 |
2.1.2 电网规划与运行 | 第14-15页 |
2.2 BPA与电网规划 | 第15-22页 |
2.2.1 BPA简介 | 第15-16页 |
2.2.2 BPA潮流计算中卡片格式的简要介绍 | 第16-19页 |
2.2.3 BPA在电网规划中的作用及问题 | 第19-22页 |
2.3 本章小结 | 第22-23页 |
第3章 数据挖掘方法研究 | 第23-34页 |
3.1 聚类分析 | 第23-30页 |
3.1.1 聚类的相关定义 | 第23-25页 |
3.1.2 聚类的主要步骤 | 第25页 |
3.1.3 聚类算法介绍 | 第25-30页 |
3.2 人工神经网络 | 第30-32页 |
3.2.1 人工神经网络简述 | 第30-31页 |
3.2.2 BP神经网络 | 第31-32页 |
3.3 本章小结 | 第32-34页 |
第4章 BPA数据中线路参数辨识模型的建立 | 第34-47页 |
4.1 BPA中线路参数基本介绍 | 第34页 |
4.2 基于K-均值聚类算法形成线路标准参数库 | 第34-37页 |
4.3 参数辨识边界范围的形成 | 第37-38页 |
4.4 架空线路类型的确定 | 第38-39页 |
4.5 架空线路长度的确定 | 第39-43页 |
4.5.1 架空线路参数关系反推线路长度 | 第39-40页 |
4.5.2 BP神经网络法反推线路长度 | 第40-43页 |
4.6 BPA中架空线路参数辨识模型 | 第43-46页 |
4.7 本章小结 | 第46-47页 |
第5章 算例分析 | 第47-52页 |
5.1 算例数据介绍 | 第47页 |
5.2 算例结果 | 第47-52页 |
第6章 总结与展望 | 第52-54页 |
6.1 总结 | 第52页 |
6.2 展望 | 第52-54页 |
参考文献 | 第54-57页 |
攻读硕士学位期间发表的学术论文及其它成果 | 第57-58页 |
攻读硕士学位期间参加的科研工作 | 第58-59页 |
致谢 | 第59页 |