| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 研究现状 | 第10-12页 |
| 1.3 论文的主要思路 | 第12-14页 |
| 1.4 本文主要工作 | 第14-16页 |
| 第二章 用户用电行为分析及负荷预测模型的建立 | 第16-40页 |
| 2.1 引言 | 第16页 |
| 2.2 用户特征的分析以及特征库的设计 | 第16-26页 |
| 2.2.1 用户用电行为影响因子确定 | 第16-17页 |
| 2.2.2 用户特征分析 | 第17-26页 |
| 2.3 用户行业细分与动态聚类分析研究 | 第26-30页 |
| 2.3.1 动态聚类方法研究 | 第26-27页 |
| 2.3.2 用户行业分析 | 第27-29页 |
| 2.3.3 用户行业动态聚类研究 | 第29-30页 |
| 2.4 基于用户用电行为的预测模型建立以及动态修正的研究 | 第30-38页 |
| 2.4.1 基于SVM的用户用电行为预测模型 | 第30-31页 |
| 2.4.2 基于多层神经网络的用户负荷预测模型 | 第31-32页 |
| 2.4.3 基于用户行业类别定制化的正向负荷预测模型与动态修正 | 第32-38页 |
| 2.5 本章小结 | 第38-40页 |
| 第三章 负荷预测系统的实现 | 第40-45页 |
| 3.1 引言 | 第40页 |
| 3.2 系统整体架构及控制框图 | 第40页 |
| 3.3 系统功能 | 第40-42页 |
| 3.4 系统实现中的云平台构架及关键技术 | 第42-43页 |
| 3.4.1 Hadoop基本构架 | 第42页 |
| 3.4.2 海量数据分布存储技术 | 第42-43页 |
| 3.4.3 海量数据管理技术 | 第43页 |
| 3.4.4 SOA构架 | 第43页 |
| 3.5 本章小结 | 第43-45页 |
| 第四章 负荷预测系统的实际工程应用 | 第45-51页 |
| 4.1 引言 | 第45页 |
| 4.2 用户的行业聚类 | 第45-46页 |
| 4.3 用户预测结果及其准确性分析 | 第46-49页 |
| 4.4 母线负荷预测结果分析 | 第49-50页 |
| 4.5 本章小结 | 第50-51页 |
| 结论 | 第51-53页 |
| 参考文献 | 第53-55页 |
| 附件 | 第55-61页 |
| 攻读硕士学位期间取得的研究成果 | 第61-62页 |
| 致谢 | 第62-63页 |
| 答辩委员会对论文的评定意见 | 第63页 |