|
|
|
基于变电站为中心的配电网电压态势图片图形特征的态势评估模型及算法 |
|
论文目录 |
|
摘要 | 第5-7页 | ABSTRACT | 第7-8页 | 第1章 绪论 | 第13-22页 | 1.1 课题的研究背景及意义 | 第13-14页 | 1.2 国内外研究现状 | 第14-20页 | 1.2.1 智能电网可视化研究现状 | 第14-16页 | 1.2.2 机器学习算法国内外研究现状 | 第16-20页 | 1.3 本文的主要研究内容与创新 | 第20-22页 | 1.3.1 论文的研究内容 | 第20-21页 | 1.3.2 论文的组织结构 | 第21-22页 | 第2章 相关技术理论 | 第22-35页 | 2.1 态势可视化概述 | 第22-23页 | 2.2 态势感知及配电网电压等高线态势图 | 第23-25页 | 2.2.1 态势感知模型 | 第23-24页 | 2.2.2 态势感知模式内容 | 第24-25页 | 2.2.3 态势感知与态势可视化的关系 | 第25页 | 2.3 配电网电压等高线态势图 | 第25-28页 | 2.3.1 配电网电压等高线态势图结构 | 第26页 | 2.3.2 配电网地理接线图 | 第26页 | 2.3.3 配电网均匀接线图 | 第26-27页 | 2.3.4 配电网态势渲染图 | 第27-28页 | 2.4 机器学习算法 | 第28-33页 | 2.4.1 机器学习算法概述 | 第28-29页 | 2.4.2 Logistic回归模型 | 第29-31页 | 2.4.3 最优间隔器分类 | 第31-33页 | 2.5 本章小结 | 第33-35页 | 第3章 基于SVG的态势图片及特征提取 | 第35-44页 | 3.1 基于SVG的态势图片 | 第35-36页 | 3.1.1 SVG图形简介 | 第35页 | 3.1.2 态势图片SVG代码 | 第35-36页 | 3.2 图形特征提取的一般方法 | 第36-37页 | 3.3 基于等高线模型的电压态势图特征提取 | 第37-41页 | 3.3.1 基于空间关系特征的等高线模型 | 第37-38页 | 3.3.2 基于等高线模型的特征提取算法 | 第38-41页 | 3.4 基于特征基向量的电压态势图特征提取 | 第41-43页 | 3.4.1 特征基向量模型离散化方法 | 第41-42页 | 3.4.2 特征向量的标准化处理 | 第42-43页 | 3.5 本章小结 | 第43-44页 | 第4章 基于聚类分析和GA-SVM回归模型的配电网电压等高线图形态势评估 | 第44-52页 | 4.1 基于电压态势图的态势评估方法 | 第44-46页 | 4.1.1 SCDN综合电压合格率 | 第44-45页 | 4.1.2 态势图片SCDN特征向量 | 第45-46页 | 4.2 方法流程 | 第46-48页 | 4.2.1 聚类方法流程 | 第46页 | 4.2.2 SVM回归模型方法流程 | 第46-48页 | 4.3 聚类分析 | 第48-49页 | 4.4 SVM模型建立 | 第49-52页 | 4.4.1 聚类样本训练集 | 第49-50页 | 4.4.2 未聚类样本训练集 | 第50-52页 | 4.5 本章小结 | 第52页 | 第5章 基于SVM分类模型的负荷节点电压合格判定研究 | 第52-64页 | 5.1 电压合格率图形计算法 | 第53-55页 | 5.2 负荷节点特征向量提取 | 第55-57页 | 5.3 支持向量机算法分类模型 | 第57-59页 | 5.3.1 支持向量机分类模型与回归模型 | 第57-58页 | 5.3.2 支持向量分类模型算法流程 | 第58-59页 | 5.4 案例分析 | 第59-63页 | 5.4.1 小样本集SVM模型建立 | 第59-61页 | 5.4.2 大样本集SVM模型建立 | 第61-63页 | 5.5 本章小结 | 第63-64页 | 第6章 全文总结及进一步工作展望 | 第64-66页 | 6.1 全文总结 | 第64-65页 | 6.2 进一步工作展望 | 第65-66页 | 致谢 | 第66-67页 | 参考文献 | 第67-71页 |
|
|
|
|
论文编号BS3147069,这篇论文共71页 会员购买按0.35元/页下载,共需支付24.85元。 直接购买按0.5元/页下载,共需要支付35.5元 。 |
|
|
我还不是会员,注册会员!
会员下载更优惠!充值送钱! |
我只需要这篇,无需注册!
直接网上支付,方便快捷! |
|
|
|
版权申明:本目录由www.jylw.com网站制作,本站并未收录原文,如果您是作者,需要删除本篇论文目录请通过QQ或其它联系方式告知我们,我们承诺24小时内删除。 |
|
|