| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第8-16页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 电力用户负荷分类 | 第9-12页 |
| 1.3 负荷分类方法的国内外研究现状 | 第12-14页 |
| 1.4 本文研究的主要内容 | 第14-16页 |
| 2 电力负荷特性分析 | 第16-25页 |
| 2.1 电力负荷的组成 | 第16-17页 |
| 2.2 电力负荷特性和特性指标 | 第17-20页 |
| 2.2.1 负荷特性 | 第17页 |
| 2.2.2 主要负荷特性指标 | 第17-20页 |
| 2.3 典型行业负荷特性分析 | 第20-24页 |
| 2.4 本章小结 | 第24-25页 |
| 3 K-means算法及其优化研究 | 第25-45页 |
| 3.1 K-means算法及存在的问题 | 第25-29页 |
| 3.1.1 K-means算法原理 | 第25-27页 |
| 3.1.2 K-means算法缺陷分析 | 第27-29页 |
| 3.2 基于密度方法的优化初始中心点优化算法 | 第29-33页 |
| 3.2.1 优化初始中心点的常见方法 | 第29-30页 |
| 3.2.2 基于密度方法的优化初始中心点优化算法 | 第30-33页 |
| 3.3 基于GSA的肘形判据的最优聚类个数确定方法 | 第33-40页 |
| 3.3.1 常见的最优聚类个数确定的方法 | 第33-35页 |
| 3.3.2 基于距离代价函数的K值优化算法 | 第35-36页 |
| 3.3.3 基于GSA的肘形判据的算法优化 | 第36-40页 |
| 3.4 基于直方图的优化算法 | 第40-43页 |
| 3.4.1 基于直方图峰值优化算法简介 | 第40-41页 |
| 3.4.2 实验仿真分析 | 第41-43页 |
| 3.5 算法分析 | 第43-44页 |
| 3.6 本章小结 | 第44-45页 |
| 4 算例仿真 | 第45-52页 |
| 4.1 K-means算法在负荷分类中的缺陷 | 第45-47页 |
| 4.2 基于优化K-means算法的负荷分类仿真 | 第47-49页 |
| 4.2.1 基于GSA肘形判据优化算法的负荷分类 | 第47-48页 |
| 4.2.2 基于密度优化初始中心点算法的负荷分类 | 第48-49页 |
| 4.3 负荷分类结果分析 | 第49-51页 |
| 4.4 本章小结 | 第51-52页 |
| 结论 | 第52-53页 |
| 参考文献 | 第53-56页 |
| 附录A | 第56-57页 |
| 附录B | 第57-59页 |
| 致谢 | 第59-60页 |