基于数据挖掘的用电行为分析及应用研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 选题背景 | 第9页 |
| 1.2 研究意义 | 第9-11页 |
| 1.3 国内外研究现状 | 第11-14页 |
| 1.3.1 负荷特性提取研究方法 | 第11-12页 |
| 1.3.2 常用聚类方法 | 第12-13页 |
| 1.3.3 用电序列及负荷预测的研究 | 第13-14页 |
| 1.4 论文的主要工作 | 第14-15页 |
| 1.5 论文的组织结构 | 第15-17页 |
| 第2章 用电数据集与数据处理 | 第17-23页 |
| 2.1 数据集 | 第17页 |
| 2.2 数据处理 | 第17-20页 |
| 2.2.1 数据清洗 | 第17-19页 |
| 2.2.2 数据标准化 | 第19-20页 |
| 2.2.3 行为特征选择 | 第20页 |
| 2.3 本章小结 | 第20-23页 |
| 第3章 电力用户半监督分类模型研究 | 第23-39页 |
| 3.1 聚类算法建立监督标签 | 第23-25页 |
| 3.2 改进k-Means算法 | 第25-27页 |
| 3.2.1 初始点的选择 | 第25-26页 |
| 3.2.2 聚类距离计算的优化 | 第26-27页 |
| 3.3 半监督分类模型 | 第27-29页 |
| 3.4 评价指标 | 第29-31页 |
| 3.4.1 聚类评价指标 | 第29-30页 |
| 3.4.2 分类评价指标 | 第30-31页 |
| 3.5 实验及结果分析 | 第31-37页 |
| 3.5.1 实验思路 | 第31页 |
| 3.5.2 实验过程 | 第31-32页 |
| 3.5.3 实验结果及分析 | 第32-37页 |
| 3.6 本章小结 | 第37-39页 |
| 第4章 用户级用电序列分析及负荷预测研究 | 第39-55页 |
| 4.1 关联分析 | 第39-42页 |
| 4.1.1 Apriori算法 | 第40-41页 |
| 4.1.2 FP-gowth算法 | 第41-42页 |
| 4.2 基于Apriori算法的用电规则分析 | 第42页 |
| 4.3 用电规则挖掘实验与结果分析 | 第42-45页 |
| 4.4 LSTM神经网络 | 第45-47页 |
| 4.5 基于用电序列的负荷预测 | 第47-49页 |
| 4.6 实验结果和分析 | 第49-53页 |
| 4.6.1 LSTM负荷预测 | 第51页 |
| 4.6.2 考虑用电规律的LSTM负荷预测 | 第51-53页 |
| 4.7 本章小结 | 第53-55页 |
| 第5章 总结与展望 | 第55-57页 |
| 5.1 本文工作总结 | 第55页 |
| 5.2 后续工作展望 | 第55-57页 |
| 参考文献 | 第57-61页 |
| 攻读硕士学位期间参加的科研工作 | 第61-63页 |
| 致谢 | 第63页 |
