| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题背景及研究的目的和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 智能电网研究现状 | 第11-12页 |
| 1.2.2 电力用户用电行为分析研究现状 | 第12-13页 |
| 1.2.3 有序用电研究现状 | 第13-14页 |
| 1.3 本文的主要研究工作 | 第14-16页 |
| 第2章 用户用电行为分析理论与方法研究 | 第16-23页 |
| 2.1 引言 | 第16页 |
| 2.2 用户用电行为影响因素分析 | 第16-18页 |
| 2.2.1 经济因素 | 第16页 |
| 2.2.2 时间因素 | 第16-17页 |
| 2.2.3 气候因素 | 第17页 |
| 2.2.4 其他因素 | 第17-18页 |
| 2.3 用电行为经典聚类分析方法 | 第18-21页 |
| 2.3.1 k-means算法 | 第18-19页 |
| 2.3.2 模糊C均值算法 | 第19-21页 |
| 2.4 本章小结 | 第21-23页 |
| 第3章 基于动态自适应K均值聚类的海量用电负荷数据分析方法研究 | 第23-33页 |
| 3.1 引言 | 第23页 |
| 3.2 基于动态自适应K均值聚类算法 | 第23-28页 |
| 3.2.1 负荷形状特征提取 | 第24页 |
| 3.2.2 动态自适应k均值算法描述 | 第24-26页 |
| 3.2.3 聚类中心优化 | 第26-28页 |
| 3.2.4 基于优化聚类中心的负荷编码 | 第28页 |
| 3.3 仿真与实例分析 | 第28-31页 |
| 3.3.1 用户负荷对应编码值 | 第29页 |
| 3.3.2 特征提取 | 第29-31页 |
| 3.3.3 用户互动化潜力分析 | 第31页 |
| 3.4 本章小结 | 第31-33页 |
| 第4章 基于周负荷相关性的用户典型用电行为聚类分析 | 第33-42页 |
| 4.1 引言 | 第33页 |
| 4.2 周负荷数据分析与特征提取 | 第33-35页 |
| 4.2.1 数据源及预处理 | 第33-34页 |
| 4.2.2 周负荷相关性特征提取 | 第34-35页 |
| 4.3 基于周负荷相关性的聚类分析方法 | 第35-37页 |
| 4.3.1 基于方差与K均值的聚类分析实现 | 第35-36页 |
| 4.3.2 基于聚类有效性指标的最优聚类数计算方法 | 第36-37页 |
| 4.4 实验仿真与分析 | 第37-41页 |
| 4.4.2 最优聚类数计算 | 第37-38页 |
| 4.4.3 基于周负荷相关性的用电行为聚类分析 | 第38-41页 |
| 4.5 本章小结 | 第41-42页 |
| 第5章 基于用电行为分析的有序用电策略 | 第42-46页 |
| 5.1 引言 | 第42页 |
| 5.2 用户参与有序用电潜力分析 | 第42-43页 |
| 5.3 有序用电用户典型用电行为提取 | 第43-44页 |
| 5.4 基于周休日用电行为分析的有序用电策略制定 | 第44-45页 |
| 5.5 本章小结 | 第45-46页 |
| 第6章 结论与展望 | 第46-47页 |
| 参考文献 | 第47-50页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第50-51页 |
| 攻读硕士学位期间参与的科研项目 | 第51-52页 |
| 致谢 | 第52页 |
