| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章：绪论 | 第8-16页 |
| 1.1 研究背景和意义 | 第8-11页 |
| 1.2 研究现状 | 第11-14页 |
| 1.3 论文主要研究内容及结构安排 | 第14-16页 |
| 第2章：能源解聚合理论基础 | 第16-28页 |
| 2.1 引言 | 第16页 |
| 2.2 用电器的电气属性 | 第16-18页 |
| 2.3 常见用电器的分类 | 第18-19页 |
| 2.4 解聚合模型的整体分类及特点 | 第19-20页 |
| 2.5 一般的NILM框架小结 | 第20-21页 |
| 2.6 实验数据与评价准则 | 第21-27页 |
| 2.6.1 实验数据集 | 第22页 |
| 2.6.2 电表数据的解析 | 第22-24页 |
| 2.6.3 聚合数据的可视化 | 第24-26页 |
| 2.6.4 算法模型的通用评价准则 | 第26-27页 |
| 2.7 本章小结 | 第27-28页 |
| 第3章：改进的能量解聚合模型 | 第28-41页 |
| 3.1 基于马尔可夫的解聚合 | 第28-30页 |
| 3.1.1 马尔可夫模型 | 第28-29页 |
| 3.1.2 隐马尔可夫模型(Hidden Markov Model) | 第29-30页 |
| 3.2 因子隐马尔可夫模型 | 第30-32页 |
| 3.3 实验结果对比与分析 | 第32-37页 |
| 3.3.1 实验准备与数据处理 | 第32-36页 |
| 3.3.2 实验结果 | 第36-37页 |
| 3.4 解聚合模型扩展研究 | 第37-40页 |
| 3.5 小结 | 第40-41页 |
| 第4章：关联学习在智能电表数据分析中的研究 | 第41-54页 |
| 4.1 引言 | 第41页 |
| 4.2 关联学习基本理论 | 第41-46页 |
| 4.2.1 关联规则介绍 | 第41-42页 |
| 4.2.2 构建关联规则挖掘模型 | 第42-43页 |
| 4.2.3 原创性算法Apriori | 第43-44页 |
| 4.2.4 FP-Growth算法 | 第44-46页 |
| 4.3 基于时间划分的关联规则解聚合模型 | 第46-48页 |
| 4.4 基于时间划分的关联规则学习模型(TDFPGrowth) | 第48-53页 |
| 4.5 小结 | 第53-54页 |
| 第5章：总结与展望 | 第54-56页 |
| 5.1 论文工作总结 | 第54-55页 |
| 5.2 未来研究展望 | 第55-56页 |
| 参考文献 | 第56-61页 |
| 致谢 | 第61-62页 |
| 攻读硕士学位期间的研究成果 | 第62页 |