面向智能电网的数据分类与预测技术研究
| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 国内外研究现状及技术发展趋势 | 第13-16页 |
| 1.2 电力负荷分类和预测特点 | 第16-17页 |
| 1.3 各章节具体安排 | 第17-19页 |
| 第2章 电力负荷分类方法与理论 | 第19-30页 |
| 2.1 负荷分类的应用 | 第19-21页 |
| 2.2 常用的聚类分析方法与基本理论 | 第21-24页 |
| 2.2.1 层次聚类法 | 第21-22页 |
| 2.2.2 动态聚类法 | 第22-23页 |
| 2.2.3 模糊聚类法 | 第23-24页 |
| 2.3 数据预处理 | 第24-25页 |
| 2.4 相似性指标 | 第25-26页 |
| 2.5 聚类有效性函数 | 第26-28页 |
| 2.6 评价函数 | 第28-29页 |
| 本章小结 | 第29-30页 |
| 第3章 基于负荷差异性的电力用户分类及应用 | 第30-40页 |
| 3.1 传统的K-均值算法 | 第30-31页 |
| 3.2 基于负荷差异性的分类方法 | 第31-34页 |
| 3.2.1 传统初始化方法 | 第31-32页 |
| 3.2.2 改进的负荷差异性初始化法 | 第32-34页 |
| 3.3 电网用户负荷分类应用实例 | 第34-39页 |
| 3.3.1 数据分析与指标定义 | 第34页 |
| 3.3.2 应用对比分析 | 第34-39页 |
| 本章小结 | 第39-40页 |
| 第4章 电力负荷预测理论 | 第40-53页 |
| 4.1 电力负荷预测方法 | 第40-43页 |
| 4.2 灰色预测模型的基本理论 | 第43-48页 |
| 4.2.1 灰色序列生成方法 | 第43-46页 |
| 4.2.2 灰色模型的建模原理 | 第46-48页 |
| 4.3 去周期性序列生成法 | 第48-50页 |
| 4.4 精度检验方法 | 第50-52页 |
| 4.4.1 残差检验 | 第50-51页 |
| 4.4.2 后验差方法 | 第51-52页 |
| 本章小结 | 第52-53页 |
| 第5章 基于背景值优化的灰色预测及应用 | 第53-69页 |
| 5.1 改进的可调参数背景值构造 | 第54-56页 |
| 5.1.1 普通背景值下的模型 | 第54-55页 |
| 5.1.2 基于可调参数的背景值构造 | 第55-56页 |
| 5.2 粒子群算法优化原理 | 第56-58页 |
| 5.2.1 粒子群基本理论 | 第56-58页 |
| 5.2.2 粒子群算法的优点 | 第58页 |
| 5.3 可调参数的智能优化 | 第58-60页 |
| 5.4 中短期电网负荷预测应用 | 第60-68页 |
| 5.4.1 数据分析 | 第61页 |
| 5.4.2 电网短期负荷预测应用 | 第61-65页 |
| 5.4.3 电网日用电负荷预测应用 | 第65-68页 |
| 本章小结 | 第68-69页 |
| 结论 | 第69-71页 |
| 参考文献 | 第71-76页 |
| 攻读硕士学位期间发表的论文和获得的科研成果 | 第76-77页 |
| 致谢 | 第77-78页 |
