| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-19页 |
| 1.1 研究背景及意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-16页 |
| 1.2.1 电力大数据研究现状 | 第11-13页 |
| 1.2.2 异常值检测研究现状 | 第13-14页 |
| 1.2.3 用电行为分析研究现状 | 第14-16页 |
| 1.3 论文主要研究内容和结构 | 第16-19页 |
| 第二章 基础理论研究 | 第19-31页 |
| 2.1 大数据研究方法 | 第19-20页 |
| 2.2 特征提取算法 | 第20-27页 |
| 2.2.1 离散小波变换 | 第20-23页 |
| 2.2.2 高斯混合模型 | 第23-26页 |
| 2.2.3 算法比较 | 第26-27页 |
| 2.3 聚类分析算法 | 第27-30页 |
| 2.3.1 K-Means算法 | 第27页 |
| 2.3.2 DBSCAN算法 | 第27-28页 |
| 2.3.3 快速密度峰值聚类算法 | 第28-29页 |
| 2.3.4 算法比较 | 第29-30页 |
| 2.4 小结 | 第30-31页 |
| 第三章 基于KNN的快速密度峰值异常值检测 | 第31-41页 |
| 3.1 异常值检测算法 | 第31-33页 |
| 3.1.1 基于距离的异常值检测 | 第31页 |
| 3.1.2 基于密度的异常值检测 | 第31-32页 |
| 3.1.3 基于聚类的异常值检测 | 第32-33页 |
| 3.2 基于KNN的快速密度峰值异常值检测 | 第33-35页 |
| 3.2.1 算法描述 | 第33-34页 |
| 3.2.2 异常值判定规则 | 第34-35页 |
| 3.3 仿真实验 | 第35-40页 |
| 3.3.1 数据描述及标准化 | 第35页 |
| 3.3.2 单台变压器负荷数据异常值检测 | 第35-38页 |
| 3.3.3 多台变压器负荷数据异常值检测 | 第38-40页 |
| 3.4 小结 | 第40-41页 |
| 第四章 基于改进快速密度峰值聚类算法的用电行为分析 | 第41-59页 |
| 4.1 改进快速密度峰值聚类算法 | 第41-43页 |
| 4.1.1 算法描述 | 第41-42页 |
| 4.1.2 算法流程 | 第42-43页 |
| 4.1.3 计算复杂度分析 | 第43页 |
| 4.2 基于改进快速密度峰值聚类算法的用电行为分析方法 | 第43-45页 |
| 4.2.1 整体架构 | 第43-44页 |
| 4.2.2 方法描述 | 第44-45页 |
| 4.3 仿真实验 | 第45-58页 |
| 4.3.1 数据描述及预处理 | 第45页 |
| 4.3.2 单个用户典型负荷曲线及分析 | 第45-50页 |
| 4.3.3 某行业用户典型负荷曲线及分析 | 第50-53页 |
| 4.3.4 多个高耗能行业用户典型负荷曲线及分析 | 第53-58页 |
| 4.4 小结 | 第58-59页 |
| 第五章 总结与展望 | 第59-62页 |
| 5.1 总结 | 第59-60页 |
| 5.2 展望 | 第60-62页 |
| 参考文献 | 第62-64页 |
| 致谢 | 第64-65页 |
| 在学期间发表的学术论文、专著及科研情况 | 第65页 |