| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 选题背景及研究意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 聚类算法的研究现状 | 第11-13页 |
| 1.2.2 聚类分析在电力负荷分类及相关应用中的研究现状 | 第13-14页 |
| 1.3 本文主要工作 | 第14-16页 |
| 第2章 聚类算法与负荷模式分类的研究 | 第16-30页 |
| 2.1 传统聚类算法介绍 | 第16-19页 |
| 2.1.1 FCM聚类算法 | 第16-17页 |
| 2.1.2 csi-FCM算法 | 第17-18页 |
| 2.1.3 DBSCAN算法 | 第18页 |
| 2.1.4 rough-DBSCAN算法 | 第18-19页 |
| 2.2 分布式聚类算法研究 | 第19-22页 |
| 2.2.1 分布式K-Dmeans算法 | 第20页 |
| 2.2.2 DBDC算法 | 第20-22页 |
| 2.3 负荷模式分类研究 | 第22-29页 |
| 2.3.1 负荷曲线简要介绍与电力负荷分类现状 | 第22-23页 |
| 2.3.2 数据预处理方法 | 第23-25页 |
| 2.3.3 电力用户的特性 | 第25-26页 |
| 2.3.4 聚类有效性问题 | 第26-28页 |
| 2.3.5 分时电价以及加权欧氏距离 | 第28-29页 |
| 2.4 本章小结 | 第29-30页 |
| 第3章 对于csi-FCM算法的改进及其分布化 | 第30-52页 |
| 3.1 csi-FCM算法及其缺点 | 第30-35页 |
| 3.2 csi-FCM算法的改进 | 第35-38页 |
| 3.3 一种新的分布式聚类算法 | 第38-44页 |
| 3.3.1 局部代表点选取阶段 | 第39-42页 |
| 3.3.2 全局聚类阶段 | 第42-43页 |
| 3.3.3 分布式聚类算法总结 | 第43-44页 |
| 3.4 实验分析 | 第44-51页 |
| 3.4.1 时间复杂度分析 | 第44页 |
| 3.4.2 实验分析 | 第44-51页 |
| 3.5 本章小结 | 第51-52页 |
| 第4章 新的分布式聚类算法在负荷模式分类中的应用 | 第52-62页 |
| 4.1 电力用户负荷模式分类流程 | 第52-54页 |
| 4.2 基于加权欧式距离的聚类 | 第54-61页 |
| 4.2.1 相关参数的设定 | 第55-57页 |
| 4.2.2 与FCM算法的对比 | 第57-61页 |
| 4.3 本章小结 | 第61-62页 |
| 第5章 负荷代表曲线在异常用电检测中的应用 | 第62-68页 |
| 5.1 用电异常检测及流程 | 第62-65页 |
| 5.2 实验分析 | 第65-67页 |
| 5.2.1 实例分析 | 第65-67页 |
| 5.2.2 同FCM算法的异常用电检测结果对比 | 第67页 |
| 5.3 本章小结 | 第67-68页 |
| 第6章 结论与展望 | 第68-70页 |
| 6.1 工作总结 | 第68-69页 |
| 6.2 未来的工作计划 | 第69-70页 |
| 参考文献 | 第70-76页 |
| 致谢 | 第76-78页 |
| 攻读硕士学位期间的论文和项目情况 | 第78页 |