基于增量关联规则算法的短期电力负荷预测方法研究
| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 课题研究背景 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.2.1 电力预测方法现状研究 | 第9页 |
| 1.2.2 关联规则算法现状研究 | 第9-10页 |
| 1.2.3 Spark云计算平台现状研究 | 第10-11页 |
| 1.3 本文研究内容 | 第11页 |
| 1.4 章节安排 | 第11-12页 |
| 第二章 电力负荷预测方法与相关技术介绍 | 第12-25页 |
| 2.1 电力预测原理 | 第12-13页 |
| 2.1.1 电力预测的分类 | 第12-13页 |
| 2.1.2 电力预测的特点 | 第13页 |
| 2.2 电力预测方法 | 第13-19页 |
| 2.2.1 传统预测方法 | 第13-18页 |
| 2.2.2 基于数据挖掘的方法 | 第18-19页 |
| 2.3 关联规则挖掘 | 第19-22页 |
| 2.3.1 关联规则基本概念 | 第20页 |
| 2.3.2 Apriori算法 | 第20-21页 |
| 2.3.3 FP-Growth算法 | 第21-22页 |
| 2.4 Spark编程模型 | 第22-23页 |
| 2.5 本章小结 | 第23-25页 |
| 第三章 改进的并行增量更新算法 | 第25-31页 |
| 3.1 增量更新算法 | 第25-27页 |
| 3.1.1 FUP算法 | 第25-26页 |
| 3.1.2 PFP-tree算法 | 第26-27页 |
| 3.2 SPUFP算法 | 第27-28页 |
| 3.2.1 算法描述 | 第27-28页 |
| 3.2.2 分组策略 | 第28页 |
| 3.3 SPUFP算法性能分析 | 第28-30页 |
| 3.3.1 单机环境下的算法性能分析 | 第28-29页 |
| 3.3.2 分布式集群环境下的算法性能分析 | 第29-30页 |
| 3.4 本章小结 | 第30-31页 |
| 第四章 城市短期电力负荷预测系统的设计与实现 | 第31-50页 |
| 4.1 电力负荷预测系统设计 | 第31-32页 |
| 4.2 数据收集 | 第32-35页 |
| 4.2.1 影响因素分析 | 第32-35页 |
| 4.2.2 历史负荷数据收集 | 第35页 |
| 4.3 数据预处理 | 第35-37页 |
| 4.3.1 数据筛选 | 第35-37页 |
| 4.3.2 数据转换 | 第37页 |
| 4.4 负荷预测 | 第37-46页 |
| 4.4.1 基于SPUFP算法的关联规则挖掘 | 第37-41页 |
| 4.4.2 基于回归方程的预测模型 | 第41-46页 |
| 4.5 实验结果与分析 | 第46-49页 |
| 4.5.1 算法性能分析 | 第46-47页 |
| 4.5.2 预测结果分析 | 第47-49页 |
| 4.6 本章小结 | 第49-50页 |
| 第五章 总结和展望 | 第50-52页 |
| 5.1 总结 | 第50页 |
| 5.2 工作展望 | 第50-52页 |
| 参考文献 | 第52-54页 |
| 附录 1 攻读硕士学位期间撰写的论文 | 第54-55页 |
| 附录 2 攻读硕士学位期间申请的专利 | 第55-56页 |
| 致谢 | 第56页 |
