| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-13页 |
| 1.1 选题背景及研究意义 | 第9-10页 |
| 1.2 智能配用电大数据挖掘研究现状 | 第10-11页 |
| 1.3 主要工作和内容安排 | 第11-13页 |
| 第2章 电力用户侧信息价值增值概述 | 第13-18页 |
| 2.1 信息价值增值相关理论 | 第13-14页 |
| 2.2 智能配用电信息分类分析 | 第14页 |
| 2.3 电力用户侧信息价值增值典型应用场景分析 | 第14-17页 |
| 2.3.1 面向用电采集类信息价值增值场景 | 第14-16页 |
| 2.3.2 面向用电服务类信息价值增值场景 | 第16页 |
| 2.3.3 面向第三方平台类信息价值增值场景 | 第16-17页 |
| 2.4 本章小结 | 第17-18页 |
| 第3章 基于内部用电数据的信息价值增值方法 | 第18-36页 |
| 3.1 异常用电行为特性分析 | 第18-19页 |
| 3.2 基于高斯核函数改进的电力用户异常用电检测方法 | 第19-26页 |
| 3.2.1 高斯核密度局部离群因子算法 | 第19-20页 |
| 3.2.2 GKLOF算法特性分析 | 第20-25页 |
| 3.2.3 异常用电检测方法实现流程 | 第25-26页 |
| 3.3 算例分析 | 第26-34页 |
| 3.3.1 用户分类结果分析 | 第27-28页 |
| 3.3.2 异常数据构造 | 第28-29页 |
| 3.3.3 特征提取与主成分分析 | 第29页 |
| 3.3.4 异常检测结果分析 | 第29-32页 |
| 3.3.5 FCM聚类错误对异常检测的影响分析 | 第32-34页 |
| 3.4 异常用电检测系统信息价值增值分析 | 第34-35页 |
| 3.5 本章小结 | 第35-36页 |
| 第4章 基于外部营销数据的信息价值增值方法 | 第36-45页 |
| 4.1 基于用户显隐性偏好信息挖掘的推荐算法 | 第36-39页 |
| 4.1.1 用户显性偏好信息挖掘 | 第36-37页 |
| 4.1.2 用户隐性偏好信息挖掘 | 第37页 |
| 4.1.3 改进推荐算法与实现流程 | 第37-39页 |
| 4.2 售电交易平台系统信息价值增值分析 | 第39-40页 |
| 4.3 算例分析 | 第40-44页 |
| 4.3.1 仿真结果对比分析 | 第41-42页 |
| 4.3.2 信息价值增值量化结果 | 第42-44页 |
| 4.4 本章小结 | 第44-45页 |
| 第5章 总结与展望 | 第45-47页 |
| 5.1 本文工作总结 | 第45页 |
| 5.2 进一步的研究工作 | 第45-47页 |
| 参考文献 | 第47-51页 |
| 攻读硕士学位期间发表的论文 | 第51-52页 |
| 攻读硕士学位期间参与的科研项目 | 第52-53页 |
| 致谢 | 第53页 |