基于数据挖掘技术的负荷特性分析及错峰方案研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-13页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.3 本文主要研究内容 | 第11-13页 |
| 第2章 数据挖掘技术 | 第13-20页 |
| 2.1 数据分析技术概述 | 第13-14页 |
| 2.2 数据分析过程 | 第14-15页 |
| 2.3 数据挖掘方法 | 第15-17页 |
| 2.4 数据挖掘在负荷特性分析中的应用 | 第17页 |
| 2.5 聚类分析概述 | 第17-19页 |
| 2.5.1 聚类分析过程 | 第17-18页 |
| 2.5.2 聚类相似性度量 | 第18-19页 |
| 2.6 本章小结 | 第19-20页 |
| 第3章 居民用电负荷影响因素分析 | 第20-29页 |
| 3.1 电力负荷特性指标 | 第20-23页 |
| 3.1.1 描述类指标 | 第20-21页 |
| 3.1.2 比较类指标 | 第21-22页 |
| 3.1.3 曲线类指标 | 第22-23页 |
| 3.2 负荷特性影响因素分析 | 第23-24页 |
| 3.3 居民用电负荷影响因素分析 | 第24-28页 |
| 3.3.1 经济因素对负荷特性的影响 | 第24-27页 |
| 3.3.2 季节因素对负荷特性的影响 | 第27页 |
| 3.3.3 气温对负荷特性的影响 | 第27-28页 |
| 3.4 本章小节 | 第28-29页 |
| 第4章 居民用电行为特性分析 | 第29-39页 |
| 4.1 典型日负荷曲线的确定 | 第29-30页 |
| 4.1.1 归一化处理 | 第29-30页 |
| 4.1.2 典型日负荷曲线的选取 | 第30页 |
| 4.2 自适应FCM聚类算法 | 第30-32页 |
| 4.3 小区用户用电行为特性分类 | 第32-36页 |
| 4.3.1 基本日负荷曲线聚类分析 | 第33页 |
| 4.3.2 典型用户筛选 | 第33-34页 |
| 4.3.3 用户负荷特性分析 | 第34-36页 |
| 4.4 用户用电错峰方案研究 | 第36-38页 |
| 4.5 本章小结 | 第38-39页 |
| 第5章 结论与展望 | 第39-41页 |
| 5.1 结论 | 第39-40页 |
| 5.2 展望 | 第40-41页 |
| 参考文献 | 第41-43页 |
| 致谢 | 第43页 |
