| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-17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 |
| 1.3 本课题创新点及研究意义 | 第14-15页 |
| 1.4 本文主要工作 | 第15-17页 |
| 第2章 聚类算法与数据标准化方法研究 | 第17-29页 |
| 2.1 聚类方法 | 第17-24页 |
| 2.1.1 K均值算法 | 第17-19页 |
| 2.1.2 模糊C均值 | 第19-21页 |
| 2.1.3 凝聚型层次聚类 | 第21-23页 |
| 2.1.4 自组织映射神经网络 | 第23-24页 |
| 2.2 数据标准化方法 | 第24-26页 |
| 2.2.1 平均数方差法标准化 | 第24-25页 |
| 2.2.2 最大-最小值标准化 | 第25页 |
| 2.2.3 标准差标准化 | 第25页 |
| 2.2.4 极大值标准化 | 第25-26页 |
| 2.2.5 总和标准化 | 第26页 |
| 2.3 算例分析 | 第26-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第3章 负荷数据因子分析及SPSS实现 | 第29-41页 |
| 3.1 因子分析的概念 | 第29页 |
| 3.2 因子分析模型 | 第29-31页 |
| 3.2.1 因子分析模型的假设条件 | 第29-30页 |
| 3.2.2 因子载荷 | 第30页 |
| 3.2.3 变量共同度 | 第30-31页 |
| 3.2.4 公共因子方差贡献 | 第31页 |
| 3.3 因子载荷矩阵的求解与因子数目的确定 | 第31-33页 |
| 3.3.1 因子载荷矩阵的求解 | 第31-33页 |
| 3.3.2 因子数目的确定 | 第33页 |
| 3.4 负荷数据因子分析及SPSS实现 | 第33-40页 |
| 3.4.1 因子分析的步骤 | 第33-34页 |
| 3.4.2 因子分析的SPSS实现 | 第34-40页 |
| 3.5 本章小结 | 第40-41页 |
| 第4章 聚类融合及电力用户负荷模式提取 | 第41-48页 |
| 4.1 聚类融合的概念 | 第41-43页 |
| 4.2 聚类融合的方法 | 第43-45页 |
| 4.2.1 聚类成员产生 | 第43-44页 |
| 4.2.2 基于CO-ASSOCIATION矩阵的共识函数设计 | 第44-45页 |
| 4.3 电力用户负荷模式提取 | 第45-47页 |
| 4.4 本章小结 | 第47-48页 |
| 第5章 结论与展望 | 第48-50页 |
| 5.1 结论 | 第48-49页 |
| 5.2 展望 | 第49-50页 |
| 参考文献 | 第50-54页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第54-55页 |
| 致谢 | 第55页 |