| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第12-17页 |
| 1.1 概述 | 第12-13页 |
| 1.2 需求侧管理研究现状 | 第13-15页 |
| 1.3 负荷特性及负荷分类研究现状 | 第15-17页 |
| 第2章 聚类标准化方法及评价指标研究 | 第17-25页 |
| 2.1 概述 | 第17-18页 |
| 2.2 经典聚类算法简介 | 第18-19页 |
| 2.2.1 K-means算法 | 第18页 |
| 2.2.2 模糊C均值(fuzzy C-means,FCM)算法 | 第18页 |
| 2.2.3 Ward算法(离差平方和算法) | 第18-19页 |
| 2.2.4 自组织映射(Self-organizing Maps,SOM) | 第19页 |
| 2.3 聚类评价指标 | 第19-20页 |
| 2.4 聚类标准化方法比较 | 第20-22页 |
| 2.4.1 负荷曲线标准化方法 | 第20页 |
| 2.4.2 聚类结果相似度指标 | 第20-21页 |
| 2.4.3 标准化方法对聚类结果的影响 | 第21-22页 |
| 2.5 基于随机森林袋外估计的聚类结果评价指标 | 第22-24页 |
| 2.5.1 随机森林算法 | 第22页 |
| 2.5.2 方法描述 | 第22-23页 |
| 2.5.3 聚类标准化方法比较 | 第23-24页 |
| 2.6 小结 | 第24-25页 |
| 第3章 结合负荷形态指标的电力负荷曲线两步聚类算法 | 第25-33页 |
| 3.1 概述 | 第25页 |
| 3.2 经典监督学习算法简介 | 第25-26页 |
| 3.2.1 分类回归树(Classification and Regression Tree,CART) | 第25页 |
| 3.2.2 支持向量机(Support Vector Machine,SVM) | 第25-26页 |
| 3.2.3 K最邻近(K Nearest Neighbors, KNN) | 第26页 |
| 3.3 算法概述 | 第26-27页 |
| 3.4 一次聚类算法以及聚类数目的选取 | 第27-28页 |
| 3.5 基于负荷形态特征指标的二次分类 | 第28页 |
| 3.6 二次分类可视化分析 | 第28-30页 |
| 3.7 二次分类算法对比 | 第30-32页 |
| 3.7.1 聚类指标对比 | 第30-31页 |
| 3.7.2 计算时间对比 | 第31页 |
| 3.7.3 分类器新增负荷模式识别泛化能力比较 | 第31-32页 |
| 3.8 小结 | 第32-33页 |
| 第4章 基于用户需求侧资源申报的有序用电综合决策方法 | 第33-53页 |
| 4.1 决策方法简介 | 第33-35页 |
| 4.2 有序用电综合决策模型 | 第35-39页 |
| 4.2.1 目标函数 | 第36-37页 |
| 4.2.2 约束条件 | 第37-39页 |
| 4.3 模型的求解策略 | 第39-40页 |
| 4.4 算例参数 | 第40-45页 |
| 4.4.1 算例基本参数 | 第40-44页 |
| 4.4.2 有序用电手段补偿系数设置 | 第44-45页 |
| 4.5 算例分析 | 第45-52页 |
| 4.5.1 网损惩罚系数的影响 | 第45-46页 |
| 4.5.2 模型误差分析 | 第46-48页 |
| 4.5.3 电源性缺电 | 第48-49页 |
| 4.5.4 电网性缺电 | 第49-51页 |
| 4.5.5 个性化错避峰方案 | 第51-52页 |
| 4.6 小结 | 第52-53页 |
| 第5章 总结与展望 | 第53-56页 |
| 5.1 总结 | 第53-54页 |
| 5.2 展望 | 第54-56页 |
| 参考文献 | 第56-59页 |
| 在攻读硕士学位期间发表的学术论文 | 第59-60页 |
| 致谢 | 第60页 |
