电网运行方式典型场景提取方法研究
| 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9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 电网运行方式 | 第10-11页 |
| 1.2.2 聚类分析 | 第11-12页 |
| 1.3 本文主要研究内容 | 第12-14页 |
| 第2章 电网运行方式 | 第14-18页 |
| 2.1 电网运行方式的分类 | 第14-15页 |
| 2.2 运行方式的编制 | 第15-16页 |
| 2.3 典型场景的提取方法及存在的不足 | 第16-17页 |
| 2.4 本章小结 | 第17-18页 |
| 第3章 聚类分析 | 第18-26页 |
| 3.1 聚类分析概述 | 第18-23页 |
| 3.1.1 聚类分析的要求 | 第18-19页 |
| 3.1.2 聚类分析的相关定义 | 第19-22页 |
| 3.1.3 聚类分析的主要步骤 | 第22-23页 |
| 3.2 聚类算法介绍 | 第23-24页 |
| 3.3 本章小结 | 第24-26页 |
| 第4章 运行方式典型场景提取算法 | 第26-43页 |
| 4.1 运行方式典型场景提取算法总体思路 | 第26页 |
| 4.2 聚类属性变量的选取 | 第26-27页 |
| 4.3 数据标准化 | 第27-29页 |
| 4.4 基于改进的DBSCAN算法的特征变量选取 | 第29-32页 |
| 4.4.1 基于相关系数的DBSCAN改进算法 | 第30-31页 |
| 4.4.2 特征变量的提取 | 第31-32页 |
| 4.5 基于熵权法的场景间差异度衡量 | 第32-36页 |
| 4.5.1 排列组合熵介绍 | 第32-35页 |
| 4.5.2 基于熵权法的场景间差异度衡量 | 第35-36页 |
| 4.6 基于改进的K-means算法的场景聚类 | 第36-41页 |
| 4.6.1 K-means聚类算法基本内容 | 第37-38页 |
| 4.6.2 K-means算法的缺陷 | 第38-39页 |
| 4.6.3 K-means算法的改进 | 第39-41页 |
| 4.7 本章小结 | 第41-43页 |
| 第5章 算例分析 | 第43-55页 |
| 5.1 算例概述 | 第43-44页 |
| 5.2 数据标准化 | 第44-46页 |
| 5.3 特征变量的提取 | 第46-48页 |
| 5.4 聚类计算及分析 | 第48-55页 |
| 第6章 总结与展望 | 第55-57页 |
| 6.1 总结 | 第55-56页 |
| 6.2 展望 | 第56-57页 |
| 参考文献 | 第57-62页 |
| 攻读硕士学位期间取得的成果和参加的科研项目 | 第62-63页 |
| 致谢 | 第63页 |
