智能用电系统数据挖掘与数据处理技术研究及应用
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-16页 |
| 1.1 研究背景 | 第11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 数据挖掘的研究状况 | 第11-13页 |
| 1.2.2 电力数据高级应用的研究现状 | 第13-14页 |
| 1.3 研究目标与主要内容 | 第14-15页 |
| 1.4 论文的组织结构 | 第15-16页 |
| 第二章 并行计算数据挖掘平台 | 第16-41页 |
| 2.1 系统的整体架构 | 第16-17页 |
| 2.2 ETL海量电力营销数据处理 | 第17-20页 |
| 2.2.1 整体方案 | 第17-18页 |
| 2.2.2 ETL作业流程图 | 第18-20页 |
| 2.2.3 并行计算平台上传作业 | 第20页 |
| 2.3 海量电力数据快速检索 | 第20-24页 |
| 2.3.1 分步说明 | 第21-24页 |
| 2.3.2 服务组件 | 第24页 |
| 2.4 并行计算数据挖掘平台 | 第24-25页 |
| 2.5 并行计算数据挖掘平台部署 | 第25-27页 |
| 2.6 并行计算数据挖掘算法 | 第27-31页 |
| 2.6.1 并行聚类算法 | 第27-29页 |
| 2.6.2 并行分类算法 | 第29-30页 |
| 2.6.3 并行实时分群算法 | 第30-31页 |
| 2.7 并行计算数据挖掘平台监控管理 | 第31-36页 |
| 2.7.1 文件系统监控 | 第32-33页 |
| 2.7.2 任务系统监控 | 第33页 |
| 2.7.3 资源管理节点监控 | 第33-34页 |
| 2.7.4 名称节点监控 | 第34页 |
| 2.7.5 资源管理阶段监控 | 第34页 |
| 2.7.6 子节点监控 | 第34-35页 |
| 2.7.7 计算节点监控 | 第35页 |
| 2.7.8 数据节点监控 | 第35-36页 |
| 2.8 界面 | 第36-40页 |
| 2.8.1 创建方案 | 第37页 |
| 2.8.2 数据管理 | 第37-38页 |
| 2.8.3 运行算法 | 第38-39页 |
| 2.8.4 结果展示 | 第39-40页 |
| 2.9 本章小节 | 第40-41页 |
| 第三章 接口建设 | 第41-47页 |
| 3.1 数据说明 | 第41页 |
| 3.2 数据内容及更新频度 | 第41-42页 |
| 3.2.1 计量自动化系统 | 第41-42页 |
| 3.2.2 天气接口数据 | 第42页 |
| 3.3 对外接口 | 第42-46页 |
| 3.3.1 统一FTP | 第43-44页 |
| 3.3.2 统一注册验证 | 第44-45页 |
| 3.3.3 统一接口调用 | 第45-46页 |
| 3.4 本章小节 | 第46-47页 |
| 第四章 数据预处理 | 第47-59页 |
| 4.1 数据的质量 | 第47页 |
| 4.2 数据预处理 | 第47-58页 |
| 4.2.1 缺失数据预处理 | 第48-58页 |
| 4.2.2 异常数据预处理 | 第58页 |
| 4.2.3 告警误报漏报数据预处理 | 第58页 |
| 4.3 本章小结 | 第58-59页 |
| 第五章 电力负荷预测研究 | 第59-87页 |
| 5.1 概述 | 第59页 |
| 5.2 预测模型架构 | 第59-60页 |
| 5.3 客户分群 | 第60-64页 |
| 5.3.1 分群数据准备 | 第60页 |
| 5.3.2 数据预处理 | 第60-61页 |
| 5.3.3 聚类算法选择 | 第61-63页 |
| 5.3.4 聚类知识发现 | 第63-64页 |
| 5.4 时序预测 | 第64-70页 |
| 5.4.1 构建样本 | 第64-65页 |
| 5.4.2 自适应的时序预测方法 | 第65-66页 |
| 5.4.3 建立分群预测模型 | 第66-68页 |
| 5.4.4 建立直接预测模型 | 第68-69页 |
| 5.4.5 模型对比 | 第69-70页 |
| 5.4.6 应用验证 | 第70页 |
| 5.5 算法实例 | 第70-86页 |
| 5.6 本章小节 | 第86-87页 |
| 第六章 停电事件分析 | 第87-107页 |
| 6.1 停电事件判断 | 第87-93页 |
| 6.1.1 数据准备 | 第87-88页 |
| 6.1.2 判断 | 第88-93页 |
| 6.2 停电聚类分析 | 第93-97页 |
| 6.2.1 停电挖掘与分析 | 第93-94页 |
| 6.2.2 样本数据准备 | 第94页 |
| 6.2.3 停电特征提取 | 第94-95页 |
| 6.2.4 停电聚类分群 | 第95-97页 |
| 6.3 算法实例 | 第97-106页 |
| 6.4 本章小节 | 第106-107页 |
| 第七章 总结与展望 | 第107-108页 |
| 参考文献 | 第108-112页 |
| 致谢 | 第112页 |
