基于数据挖掘的负荷预测系统在农网供电企业中应用研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 课题背景及研究的目的和意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 研究思路 | 第12-13页 |
| 1.4 本文主要研究内容 | 第13-15页 |
| 第2章 数据挖掘的基本理论与方法 | 第15-19页 |
| 2.1 数据挖掘的过程 | 第15-16页 |
| 2.2 数据挖掘的方法 | 第16页 |
| 2.3 几种典型的数据挖掘技术 | 第16-18页 |
| 2.4 本章小结 | 第18-19页 |
| 第3章 枞阳电网负荷特性分析 | 第19-35页 |
| 3.1 枞阳电网目前状况分析 | 第19-20页 |
| 3.1.1 农村电网总体概述 | 第19页 |
| 3.1.2 枞阳县电网情况 | 第19-20页 |
| 3.2 枞阳电网负荷特性分析概述 | 第20-22页 |
| 3.2.1 常用负荷特性指标 | 第21-22页 |
| 3.3 枞阳县电网负荷内在特性分析 | 第22-28页 |
| 3.3.1 年负荷特性分析 | 第22-25页 |
| 3.3.2 月负荷特性分析 | 第25-27页 |
| 3.3.3 日负荷特性分析 | 第27-28页 |
| 3.4 枞阳县电网负荷外在相关性分析 | 第28-34页 |
| 3.4.1 综合气象指标研究 | 第28-29页 |
| 3.4.2 气象电力相关性分析方法及应用 | 第29-32页 |
| 3.4.3 夏季降温负荷分析 | 第32-33页 |
| 3.4.4 节假日对负荷的影响分析 | 第33-34页 |
| 3.5 本章小结 | 第34-35页 |
| 第4章 负荷数据的预处理 | 第35-40页 |
| 4.1 不良数据的形成与分类 | 第35-36页 |
| 4.2 不良数据的智能辨识与修正 | 第36-39页 |
| 4.3 本章小结 | 第39-40页 |
| 第5章 农村电网负荷预测研究 | 第40-65页 |
| 5.1 负荷预测概念及分类 | 第40页 |
| 5.2 负荷预测精度要求 | 第40-41页 |
| 5.3 负荷预测方法 | 第41-44页 |
| 5.3.1 点对点倍比法 | 第41-42页 |
| 5.3.2 一元线性回归法 | 第42-43页 |
| 5.3.3 时间序列预测技术 | 第43页 |
| 5.3.4 BP神经网络算法 | 第43-44页 |
| 5.4 基于数据挖掘技术的负荷预测研究 | 第44-63页 |
| 5.4.1 整体架构实现 | 第44-45页 |
| 5.4.2 整体架构技术实现 | 第45-50页 |
| 5.4.3 数据架构实现 | 第50页 |
| 5.4.4 功能架构实现 | 第50-57页 |
| 5.4.5 基于BP神经网络的负荷预测模型的实现 | 第57-61页 |
| 5.4.6 负荷预测结果分析 | 第61-63页 |
| 5.5 本章小结 | 第63-65页 |
| 第6章 总结与展望 | 第65-66页 |
| 参考文献 | 第66-70页 |
| 致谢 | 第70页 |
