| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第8-15页 |
| 1.1 课题背景与研究意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-13页 |
| 1.2.1 大数据技术的发展现状以及在电力系统应用 | 第9-10页 |
| 1.2.2 电网负荷特性分析研究 | 第10-12页 |
| 1.2.3 负荷预测方法分析与研究 | 第12-13页 |
| 1.3 论文主要工作 | 第13-15页 |
| 第二章 电力领域大数据分析技术及方法 | 第15-19页 |
| 2.1 数据挖掘概念和功能 | 第15-16页 |
| 2.2 数据挖掘的过程 | 第16页 |
| 2.3 数据挖掘常用方法及其在负荷特性分析和预测中的应用 | 第16-18页 |
| 2.3.1 数据挖掘常用方法 | 第16-17页 |
| 2.3.2 数据挖掘在负荷特性分析和预测中的应用 | 第17-18页 |
| 2.4 本章小结 | 第18-19页 |
| 第三章 FP树关联规则算法在负荷特性分析中的应用 | 第19-33页 |
| 3.1 典型低压台区的概念 | 第19-20页 |
| 3.2 低压台区负荷影响因素相关性分析 | 第20-27页 |
| 3.2.1 气候因素对台区负荷的影响 | 第21-24页 |
| 3.2.2 经济发展水平对台区负荷的影响 | 第24-25页 |
| 3.2.3 居民收入水平对台区负荷的影响 | 第25-26页 |
| 3.2.4 时间因素对台区负荷的影响 | 第26-27页 |
| 3.3 FP树关联规则算法简介及其应用 | 第27-32页 |
| 3.3.1 FP树关联规则算法 | 第28-29页 |
| 3.3.2 运用FP树关联规则算法进行关联度分析 | 第29-32页 |
| 3.4 本章小结 | 第32-33页 |
| 第四章 等价关系聚类在用电行为分析中的应用 | 第33-57页 |
| 4.1 聚类分析方法总结与比较 | 第33-44页 |
| 4.1.1 聚类方法中常用的衡量指标 | 第33-35页 |
| 4.1.2 系统聚类法简介 | 第35-40页 |
| 4.1.3 模糊聚类法简介 | 第40-44页 |
| 4.2 基于等价关系的负荷曲线模糊聚类方法 | 第44-49页 |
| 4.2.1 负荷曲线数据预处理 | 第44-46页 |
| 4.2.2 基于等价的模糊聚类法 | 第46-48页 |
| 4.2.3 聚类的有效性检验 | 第48-49页 |
| 4.3 基于等价关系聚类法的低压台区用电行为分析 | 第49-55页 |
| 4.3.1 春季聚类 | 第49-51页 |
| 4.3.2 夏季聚类 | 第51-52页 |
| 4.3.3 秋季聚类 | 第52-54页 |
| 4.3.4 冬季聚类 | 第54-55页 |
| 4.4 本章小结 | 第55-57页 |
| 第五章 聚类分析与BP神经网络在负荷预测中的应用 | 第57-68页 |
| 5.1 神经网络算法简介 | 第57-61页 |
| 5.1.1 人工神经网络结构模型 | 第57-58页 |
| 5.1.2 误差反向传播(BP)算法 | 第58-60页 |
| 5.1.3 BP算法的优化方法 | 第60-61页 |
| 5.2 聚类分析和BP网络组合预测方法 | 第61-64页 |
| 5.2.1 组合预测原理和模型 | 第61-62页 |
| 5.2.2 负荷数据的坏数据处理 | 第62页 |
| 5.2.3 历史数据量化处理 | 第62-63页 |
| 5.2.4 BP网络的负荷预测模型 | 第63-64页 |
| 5.3 实例分析 | 第64-67页 |
| 5.4 本章小结 | 第67-68页 |
| 第六章 结论与展望 | 第68-70页 |
| 参考文献 | 第70-73页 |
| 致谢 | 第73-74页 |
| 攻读硕士期间参与的课题 | 第74页 |