| 摘要 | 第5-7页 |
| abstract | 第7-8页 |
| 1 绪论 | 第11-16页 |
| 1.1 选题的背景及意义 | 第11页 |
| 1.2 电力负荷的分类 | 第11-12页 |
| 1.3 电力负荷预测的研究方法 | 第12-14页 |
| 1.3.1 经典预测方法 | 第12-13页 |
| 1.3.2 现代预测方法 | 第13页 |
| 1.3.3 智能预测方法 | 第13-14页 |
| 1.4 本文的研究思路及主要工作 | 第14-16页 |
| 2 电力负荷数据管理系统设计 | 第16-20页 |
| 2.1 总体架构的设计 | 第16-17页 |
| 2.2 数据获取模块 | 第17页 |
| 2.3 负荷预测模块 | 第17-18页 |
| 2.4 数据可视化模块 | 第18-19页 |
| 2.5 本章小结 | 第19-20页 |
| 3 基于Scrapy爬虫框架实现负荷数据的采集 | 第20-32页 |
| 3.1 网络爬虫介绍 | 第20-21页 |
| 3.1.1 网络爬虫的发展历史及分类 | 第20页 |
| 3.1.2 网络爬虫的基本原理 | 第20-21页 |
| 3.2 Scrapy爬虫框架的介绍 | 第21-24页 |
| 3.2.1 Scrapy爬虫框架结构 | 第21-23页 |
| 3.2.2 Scrapy工作原理及流程 | 第23-24页 |
| 3.3 数据采集系统的设计 | 第24-29页 |
| 3.3.1 爬虫的实现 | 第24-26页 |
| 3.3.2 破解反爬虫的实现 | 第26-27页 |
| 3.3.3 动态网页数据抓取的实现 | 第27-29页 |
| 3.4 数据的存取 | 第29-31页 |
| 3.4.1 NoSQL数据库简介 | 第29页 |
| 3.4.2 MongoDB数据库 | 第29-30页 |
| 3.4.3 数据库结构设计 | 第30-31页 |
| 3.5 本章小结 | 第31-32页 |
| 4 基于模拟退火优化随机森林算法的负荷预测 | 第32-56页 |
| 4.1 电力负荷预测简介 | 第32-34页 |
| 4.1.1 电力负荷预测的原理 | 第32-33页 |
| 4.1.2 电力负荷预测的步骤 | 第33-34页 |
| 4.2 模拟退火优化的随机森林算法介绍 | 第34-45页 |
| 4.2.1 模拟退火算法的理论研究 | 第34-38页 |
| 4.2.2 随机森林模型的介绍 | 第38-43页 |
| 4.2.3 模拟退火优化的随机森林模型 | 第43-45页 |
| 4.3 负荷数据的预处理 | 第45-47页 |
| 4.3.1 异常点的识别和修正处理 | 第45-46页 |
| 4.3.2 缺失数据的补充 | 第46页 |
| 4.3.3 误差分析方法 | 第46-47页 |
| 4.4 样本数据预测及分析 | 第47-55页 |
| 4.4.1 选择输入变量 | 第47-48页 |
| 4.4.2 特征值的重要性和相关性分析 | 第48-50页 |
| 4.4.3 训练和测试 | 第50-54页 |
| 4.4.4 电力负荷预测 | 第54-55页 |
| 4.5 本章总结 | 第55-56页 |
| 5 基于APP实现负荷数据的可视化 | 第56-67页 |
| 5.1 数据可视化简介 | 第56-57页 |
| 5.1.1 数据可视化分类 | 第56页 |
| 5.1.2 数据可视化流程 | 第56-57页 |
| 5.2 可视化系统实现技术 | 第57-61页 |
| 5.2.1 图片加载 | 第58-59页 |
| 5.2.2 网络加载 | 第59页 |
| 5.2.3 数据解析 | 第59页 |
| 5.2.4 三级缓存 | 第59-61页 |
| 5.3 可视化系统的功能设计 | 第61-66页 |
| 5.3.1 登录界面 | 第62页 |
| 5.3.2 图标及界面布局设计 | 第62-64页 |
| 5.3.3 数据查询 | 第64-65页 |
| 5.3.4 个人中心 | 第65-66页 |
| 5.4 本章小结 | 第66-67页 |
| 6 总结与展望 | 第67-68页 |
| 6.1 总结 | 第67页 |
| 6.2 展望 | 第67-68页 |
| 致谢 | 第68-69页 |
| 参考文献 | 第69-74页 |
| 附录：作者在攻读硕士学位期间发表的成果和参与的项目 | 第74页 |