声明
摘要
1.1研究背景
1.2课题意义
1.3国内外研究现状
1.4课题研究内容
1.4.1研究内容
1.4.2本课题创新点
1.4.3技术路线
1.5本文的组织结构
1.6本章小节
第2章相关理论及技术
2.1电力预测相关理论及技术
2.1.1电力预测时长分类
2.1.2电力需求预测方法
2.2 K-means聚类算法
2.2.1算法简介
2.2.2算法原理
2.2.3算法描述
2.2.4算法的优缺点
2.2.5算法的应用
2.3.1算法基本原理
2.3.2人工神经元模型
2.3.3算法的流程
2.3.4影响因素分析
2.4本章小结
第3章基于数据挖掘的电力客户细分研究
3.1电力客户细分问题分析
3.1.1细分对象
3.1.2细分思路
3.2细分模型体系
3.3构建数据仓库
3.3.1数据库与数据仓库的联系
3.3.2本课题数据仓库特点
3.3.3数据仓库逻辑模型
3.4数据挖掘过程
3.4.1数据清洗
3.4.2数据集成与变换
3.4.3算法工作框架
3.4.4算法实现过程
3.5数据挖掘模型结果
3.6本章小结
第4章电力需求预测技术研究
4.1电力需求问题分析
4.1.1电力需求自身特点
4.1.2电力需求预测多指标模型
4.2智慧城市下电力需求预测指标选取
4.3样本数据的归一化
4.4神经网络的拓扑结构
4.4.1网络层数的确定
4.4.2输入层、输出层节点数的确定
4.4.3隐层数和隐层节点数的确定
4.5.1初始权值和阈值的选取
4.5.2学习速率的选取
4.5.3期望误差的选取
4.6实际算例分析
4.7算法的改进
4.7.1附加动量法
4.7.2改进后的算法算例分析
4.8本章小结
第5章电力需求预测技术应用
5.1智慧城市基础数据库和应用平台建设背景
5.2电力需求预测系统总体设计
5.2.1设计目标及原则
5.2.2系统拓扑结构
5.2.3系统架构设计
5.2.4系统接口描述
5.2.5系统开发环境
5.3系统功能设计
5.4系统数据库设计
5.5系统功能模块实现
5.5.1系统用户注册与登录
5.5.2电力客户细分模块
5.5.3电力需求预测模块
5.6本章小结
第6章总结展望
6.1本文总结
6.2课题展望
参考文献
致谢