| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 绪论 | 第11-23页 |
| 1.1 课题研究背景及意义 | 第11-12页 |
| 1.2 国内外智能用电发展 | 第12-18页 |
| 1.2.1 国外智能用电发展 | 第12-16页 |
| 1.2.2 国内智能用电发展 | 第16-18页 |
| 1.3 国内外电力用户分类研究现状 | 第18-19页 |
| 1.4 本文研究内容 | 第19-23页 |
| 2 电力用户负荷分类研究 | 第23-39页 |
| 2.1 电力系统负荷分类现状 | 第23-24页 |
| 2.2 智能电网下用户分类研究 | 第24-38页 |
| 2.2.1 电力用户负荷曲线分类研究 | 第25-31页 |
| 2.2.2 用户信用风险评级 | 第31-38页 |
| 2.2.3 用户实测用电量分类 | 第38页 |
| 2.3 本章小结 | 第38-39页 |
| 3 基于“进化”主元分析法的新型用户分类研究 | 第39-53页 |
| 3.1 “进化”主元分析法 | 第39-43页 |
| 3.1.1 主元分析法原理 | 第40页 |
| 3.1.2 主元分析用于智能用电数据用户分类基本思想 | 第40-41页 |
| 3.1.3 “进化”主元分析法对用户分类步骤 | 第41-43页 |
| 3.2 基于智能用电数据的算例验证 | 第43-49页 |
| 3.2.1 基于“进化”主元分析法的用户负荷曲线分类结果分析 | 第43-47页 |
| 3.2.2 与传统负荷曲线聚类方法对比分析 | 第47-49页 |
| 3.3 “进化”主元分析法在智能电网下的应用 | 第49-51页 |
| 3.3.1 基于“进化”主元分析法用户分类应用 | 第49-50页 |
| 3.3.2 基于海量用电数据的新型用户分类流程初步设计 | 第50-51页 |
| 3.4 本章小结 | 第51-53页 |
| 4 用户信用风险方法评估策略研究 | 第53-67页 |
| 4.1 信用风险的含义 | 第53页 |
| 4.2 信用风险模型评估方法 | 第53-55页 |
| 4.3 基于数据挖掘的信用风险评估策略及预测 | 第55-66页 |
| 4.3.1 数据挖掘软件选取 | 第55-58页 |
| 4.3.2 SAS/EM用户信用风险评估过程 | 第58-61页 |
| 4.3.3 基于SAS的信用风险评估研究结果分析 | 第61-65页 |
| 4.3.4 用户信用风险评级预测 | 第65-66页 |
| 4.4 本章小结 | 第66-67页 |
| 5 基于模糊综合评价的用户用电策略引导潜力分析 | 第67-75页 |
| 5.1 模糊综合评价法原理 | 第67-69页 |
| 5.2 模糊综合评价法对电力用户用电策略引导潜力评价案例 | 第69-73页 |
| 5.2.1 用户用电策略引导潜力指标体系及权重的确定 | 第69-70页 |
| 5.2.2 模糊矩阵的确定 | 第70-71页 |
| 5.2.3 用户用电策略潜力值的确定 | 第71-73页 |
| 5.3 本章小结 | 第73-75页 |
| 6 总结与展望 | 第75-77页 |
| 参考文献 | 第77-81页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第81-85页 |
| 学位论文数据集 | 第85页 |
