基于数据挖掘的电网规划多场景建模研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 研究现状 | 第11-14页 |
| 1.2.1 数据挖掘 | 第11-12页 |
| 1.2.2 电网规划 | 第12-14页 |
| 1.3 主要研究内容与章节安排 | 第14-16页 |
| 第2章 电网规划与场景分析 | 第16-23页 |
| 2.1 引言 | 第16页 |
| 2.2 电网规划 | 第16-19页 |
| 2.2.1 电网规划概述 | 第16-17页 |
| 2.2.2 电网规划基本流程 | 第17-19页 |
| 2.3 场景分析与电网规划 | 第19-22页 |
| 2.3.1 场景分析概述 | 第19-20页 |
| 2.3.2 场景分析在电网规划中的应用 | 第20-22页 |
| 2.4 小结 | 第22-23页 |
| 第3章 数据挖掘方法研究 | 第23-32页 |
| 3.1 引言 | 第23页 |
| 3.2 数据降维 | 第23-25页 |
| 3.2.1 线性判别分析 | 第24页 |
| 3.2.2 局部线性嵌入 | 第24页 |
| 3.2.3 主成分分析法 | 第24-25页 |
| 3.2.4 数据降维方法比较 | 第25页 |
| 3.3 聚类分析 | 第25-29页 |
| 3.3.1 聚类算法介绍 | 第26-27页 |
| 3.3.2 聚类算法的主要步骤 | 第27-28页 |
| 3.3.3 常用聚类算法 | 第28-29页 |
| 3.4 离群点检测 | 第29-31页 |
| 3.4.1 基于统计的离群点检测 | 第29-30页 |
| 3.4.2 基于距离的离群点检测 | 第30页 |
| 3.4.3 基于聚类的离群点检测 | 第30页 |
| 3.4.4 离群点检测方法比较 | 第30-31页 |
| 3.5 小结 | 第31-32页 |
| 第4章 电网规划多场景模型的建立 | 第32-46页 |
| 4.1 总体思路 | 第32-34页 |
| 4.1.1 概述 | 第32页 |
| 4.1.2 算法流程 | 第32-34页 |
| 4.2 多场景数据预处理 | 第34-39页 |
| 4.2.1 聚类属性变量的选取 | 第34-35页 |
| 4.2.2 基于主成分分析的数据降维 | 第35-39页 |
| 4.3 改进的K-means算法 | 第39-43页 |
| 4.3.1 最佳聚类个数的确定 | 第40-41页 |
| 4.3.2 对初始聚类点的确定 | 第41-42页 |
| 4.3.3 离群点检测 | 第42-43页 |
| 4.4 基于潮流的多场景评估方法 | 第43-45页 |
| 4.5 小结 | 第45-46页 |
| 第5章 算例分析 | 第46-58页 |
| 5.1 算例介绍 | 第46-47页 |
| 5.2 多场景数据降维 | 第47-50页 |
| 5.3 多场景提取 | 第50-54页 |
| 5.4 多场景评估 | 第54-58页 |
| 第6章 结论与展望 | 第58-60页 |
| 6.1 结论 | 第58页 |
| 6.2 展望 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第64-65页 |
| 致谢 | 第65页 |
