| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第11-16页 |
| 1.1 研究背景 | 第11-12页 |
| 1.2 研究意义 | 第12-13页 |
| 1.3 国内外研究现状 | 第13-15页 |
| 1.4 本文研究内容 | 第15-16页 |
| 第二章 数据挖掘理论及异常用电特征初步探索 | 第16-29页 |
| 2.1 前言 | 第16页 |
| 2.2 数据挖掘概述 | 第16-20页 |
| 2.2.1 数据挖掘的概念 | 第16页 |
| 2.2.2 数据挖掘的过程 | 第16-17页 |
| 2.2.3 数据预处理技术 | 第17-20页 |
| 2.2.4 数据挖掘主要算法讨论 | 第20页 |
| 2.3 数据挖掘在电力领域的应用 | 第20-22页 |
| 2.3.1 电力数据挖掘 | 第20-21页 |
| 2.3.2 基于数据挖掘的异常用电闭环应用机制 | 第21-22页 |
| 2.4 异常用电行为分析 | 第22-28页 |
| 2.4.1 异常用电现状 | 第22-23页 |
| 2.4.2 异常用电行为的产生原因 | 第23页 |
| 2.4.3 异常用电的手段 | 第23-24页 |
| 2.4.4 基于用电量的异常用电特征分析 | 第24-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第三章 基于FCM聚类分析的异常用电嫌疑用户初步筛选 | 第29-46页 |
| 3.1 前言 | 第29页 |
| 3.2 聚类算法的选择 | 第29-31页 |
| 3.2.1 聚类算法概述 | 第29页 |
| 3.2.2 FCM算法优势及原理分析 | 第29-30页 |
| 3.2.3 FCM算法实现过程 | 第30-31页 |
| 3.3 基于聚类分析的异常用电嫌疑用户筛选流程 | 第31-32页 |
| 3.4 用电数据的预处理 | 第32-34页 |
| 3.4.1 用电数据预处理的必要性 | 第32-33页 |
| 3.4.2 用电数据缺失值的处理 | 第33页 |
| 3.4.3 用电数据噪声值的处理 | 第33-34页 |
| 3.4.4 用电数据归一化处理 | 第34页 |
| 3.5 基于FCM的负荷特征曲线聚类分析 | 第34-42页 |
| 3.5.1 FCM聚类有效性评价 | 第34-36页 |
| 3.5.2 基于加权组合聚类有效性指标的聚类数确定 | 第36-37页 |
| 3.5.3 聚类数确定及实验测试 | 第37-38页 |
| 3.5.4 基于FCM的负荷曲线分类实验 | 第38-42页 |
| 3.6 基于相似性度量的异常用电嫌疑用户筛选 | 第42-45页 |
| 3.6.1 聚类相似性度量 | 第42-43页 |
| 3.6.2 基于加权相关系数和欧氏距离的相似性度量 | 第43-44页 |
| 3.6.3 实验测试 | 第44-45页 |
| 3.7 本章小结 | 第45-46页 |
| 第四章 基于模糊神经网络模型的异常用电诊断 | 第46-63页 |
| 4.1 前言 | 第46页 |
| 4.2 模糊系统与神经网络 | 第46-48页 |
| 4.2.1 模糊逻辑系统 | 第46-47页 |
| 4.2.2 神经网络基本原理 | 第47-48页 |
| 4.2.3 神经网络的工作过程 | 第48页 |
| 4.3 模糊神经网络 | 第48-52页 |
| 4.3.1 模糊神经网络概述与优势分析 | 第48-49页 |
| 4.3.2 几种基本的模糊神经元 | 第49-50页 |
| 4.3.3 模糊神经网络的结构 | 第50-52页 |
| 4.4 基于模糊神经网络的异常用电诊断 | 第52-62页 |
| 4.4.1 基于模糊神经网络异常用电诊断流程 | 第52-53页 |
| 4.4.2 用电特征指标提取 | 第53-56页 |
| 4.4.3 建模变量的确定 | 第56页 |
| 4.4.4 网络的设计 | 第56-57页 |
| 4.4.5 实验分析 | 第57-62页 |
| 4.5 本章小结 | 第62-63页 |
| 第五章 总结与展望 | 第63-65页 |
| 5.1 总结 | 第63-64页 |
| 5.2 展望 | 第64-65页 |
| 参考文献 | 第65-68页 |
| 攻读硕士期间研究成果 | 第68-69页 |
| 致谢 | 第69页 |
