| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-15页 |
| 1.1 课题研究的背景和意义 | 第11-12页 |
| 1.1.1 选题背景 | 第11-12页 |
| 1.1.2 选题意义 | 第12页 |
| 1.2 国内外研究现状及发展趋势 | 第12-14页 |
| 1.2.1 聚类算法研究现状及发展趋势 | 第12-13页 |
| 1.2.2 大用户用电行为研究现状及发展趋势 | 第13-14页 |
| 1.3 本文的主要研究内容 | 第14-15页 |
| 第2章 聚类算法及课题相关技术研究 | 第15-22页 |
| 2.1 电力网中常用的数据挖掘 | 第15-16页 |
| 2.1.1 电力网数据挖掘的流程 | 第15页 |
| 2.1.2 数据挖掘的主要方法 | 第15-16页 |
| 2.2 聚类算法研究 | 第16-19页 |
| 2.2.1 相似性度量概述 | 第16-18页 |
| 2.2.2 常用的经典聚类算法 | 第18-19页 |
| 2.3 云平台技术研究 | 第19-21页 |
| 2.3.1 分布式计算框架SPARK | 第19-20页 |
| 2.3.2 资源调度平台YARN | 第20-21页 |
| 2.4 本章小结 | 第21-22页 |
| 第3章K-均值聚类算法改进及其并行化 | 第22-31页 |
| 3.1 K-均值算法基本思想 | 第22页 |
| 3.2 K-均值算法优缺点分析 | 第22-23页 |
| 3.3 基于优化初始聚类中心的改进K-均值算法 | 第23-26页 |
| 3.3.1 相似度测量 | 第23-25页 |
| 3.3.2 改进的K-均值算法 | 第25-26页 |
| 3.4 改进K-均值算法的并行化 | 第26-27页 |
| 3.5 实验仿真及结果分析 | 第27-30页 |
| 3.6 本章小结 | 第30-31页 |
| 第4章 大用户用电行为分析与研究 | 第31-44页 |
| 4.1 大用户用电行为分析与用户细分 | 第31-34页 |
| 4.1.1 数据表描述 | 第31-32页 |
| 4.1.2 数据处理步骤 | 第32-33页 |
| 4.1.3 聚类处理过程 | 第33-34页 |
| 4.2 配电变压器负荷超载预警 | 第34-38页 |
| 4.2.1 数据描述 | 第34-35页 |
| 4.2.2 变压器类别 | 第35页 |
| 4.2.3 预警方案 | 第35-38页 |
| 4.3 负荷可视化 | 第38-39页 |
| 4.4 用电优化建议 | 第39-42页 |
| 4.4.1 数据源 | 第39-40页 |
| 4.4.2 计算过程 | 第40-42页 |
| 4.4.3 合理化用电建议 | 第42页 |
| 4.5 停电计划管理 | 第42-43页 |
| 4.5.1 概述 | 第42页 |
| 4.5.2 实现途径 | 第42-43页 |
| 4.6 本章小结 | 第43-44页 |
| 第5章 基于Spark平台的大用户用电行为分析系统的设计与实现 | 第44-58页 |
| 5.1 系统需求分析 | 第44页 |
| 5.2 系统开发环境 | 第44-45页 |
| 5.3 系统整体结构设计 | 第45-46页 |
| 5.4 系统关键流程 | 第46-48页 |
| 5.5 系统功能模块 | 第48-55页 |
| 5.5.1 负荷可视化模块 | 第48-49页 |
| 5.5.2 配电变压器超载预警模块 | 第49-51页 |
| 5.5.3 停电计划管理模块 | 第51-52页 |
| 5.5.4 大用电用户细分模块 | 第52-53页 |
| 5.5.5 用电优化建议模块 | 第53-55页 |
| 5.6 系统测试 | 第55-57页 |
| 5.6.1 系统测试环境 | 第55-56页 |
| 5.6.2 系统整体测试 | 第56-57页 |
| 5.7 本章小结 | 第57-58页 |
| 第6章 总结与展望 | 第58-60页 |
| 6.1 课题总结 | 第58页 |
| 6.2 展望 | 第58-60页 |
| 参考文献 | 第60-63页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第63-64页 |
| 致谢 | 第64页 |