| 致谢 | 第4-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 研究背景及意义 | 第10页 |
| 1.2 空间负荷预测研究综述 | 第10-11页 |
| 1.3 聚类分析研究综述 | 第11-12页 |
| 1.4 神经网络研究综述 | 第12-14页 |
| 1.5 智能优化算法研究综述 | 第14-15页 |
| 1.6 本文主要研究内容 | 第15-17页 |
| 第2章 基于特性指标降维的日负荷曲线聚类分析 | 第17-30页 |
| 2.1 引言 | 第17-18页 |
| 2.2 负荷特性指标选取 | 第18页 |
| 2.3 基于特性指标降维的PIC算法 | 第18-22页 |
| 2.3.1 数据预处理 | 第18-19页 |
| 2.3.2 PIC算法处理过程 | 第19-20页 |
| 2.3.3 聚类有效性检验 | 第20-21页 |
| 2.3.4 特性指标权重配置 | 第21-22页 |
| 2.3.5 聚类结果及评价 | 第22页 |
| 2.4 算例分析 | 第22-29页 |
| 2.4.1 电网实际日负荷曲线聚类 | 第22-25页 |
| 2.4.2 模拟8类典型日负荷曲线聚类 | 第25-29页 |
| 2.5 本章小结 | 第29-30页 |
| 第3章 考虑地域差异的配电网空间负荷聚类及一体化预测方法 | 第30-41页 |
| 3.1 引言 | 第30-31页 |
| 3.2 整体思路及实现流程 | 第31页 |
| 3.3 负荷分类校验及样本精选 | 第31-33页 |
| 3.3.1 各类典型日负荷曲线提取 | 第31-32页 |
| 3.3.2 基于典型日负荷曲线的负荷分类校验及精选 | 第32-33页 |
| 3.4 分层级子样本空间形成 | 第33-35页 |
| 3.4.1 基于区域类型划分的第一层级子样本空间 | 第33-34页 |
| 3.4.2 基于负荷类型划分的第二层级子样本空间 | 第34-35页 |
| 3.5 基于支持向量机的空间负荷预测建模 | 第35页 |
| 3.5.1 子样本空间匹配及训练样本确定 | 第35页 |
| 3.5.2 输入及输出向量确定 | 第35页 |
| 3.5.3 核函数选取及参数寻优 | 第35页 |
| 3.6 算例分析 | 第35-39页 |
| 3.7 本章小结 | 第39-41页 |
| 第4章 基于聚类分析与非参数核密度估计的空间负荷分布规律研究 | 第41-52页 |
| 4.1 引言 | 第41页 |
| 4.2 空间负荷分布规律研究思路 | 第41-42页 |
| 4.3 空间负荷聚类分析 | 第42-44页 |
| 4.3.1 基于城市发展类型的一级聚类 | 第42-43页 |
| 4.3.2 基于城市用地类型的二级聚类 | 第43-44页 |
| 4.4 负荷密度分布规律研究方法 | 第44-46页 |
| 4.4.1 负荷密度的非参数核密度估计 | 第44-45页 |
| 4.4.2 负荷密度分布的典型特征提取 | 第45-46页 |
| 4.5 实例与分析 | 第46-50页 |
| 4.5.1 工业用地负荷分布规律分析 | 第46-47页 |
| 4.5.2 商业用地负荷分布规律分析 | 第47-48页 |
| 4.5.3 居住用地负荷分布规律分析 | 第48-49页 |
| 4.5.4 公共管理与公共服务用地负荷分布规律分析 | 第49-50页 |
| 4.6 本章小结 | 第50-52页 |
| 第5章 总结与展望 | 第52-54页 |
| 参考文献 | 第54-61页 |
| 攻读硕士学位期间发表或录用的学术论文 | 第61页 |
