声明
第1 章 绪论
1.1 研究背景和意义
1.2 研究现状
1.3 研究内容
1.4 本文组织结构
第2 章 相关基本理论概述
2.1 负荷特性基本概念
2.1.1 负荷特性影响因素
2.1.2 行业分类标准
2.2 无监督聚类方法概述
2.2.1 系统聚类算法
2.2.2 动态聚类算法
2.3 有监督分类算法概述
2.3.1 支持向量机算法
2.3.2 决策树算法
2.3.3 K-最近邻算法
2.4 本章小结
第3 章 数据预处理
3.1 数据来源
3.2 数据预处理
3.2.1 负荷数据异常值处理
3.2.2 数据归一化
3.2.3 数据标准化
3.2.4 降维处理
3.3 实验结果与分析
3.4 本章小结
第4 章 基于聚类算法的用户负荷特征提取
4.1 用户负荷特征提取的方法
4.1.1 聚类数的确定
4.1.2 聚类中心的确定
4.2 基于改进 K-means 算法负荷特征提取
4.2.1 传统 K-means 对负荷模式提取
4.2.2 改进 K-means 对负荷模式提取
4.3 实验结果与分析
4.3.1 改进 K-means 算法实验对比
4.3.2 基于改进 K-means 算法负荷特征提取
4.4 本章小结
第5 章 用户负荷精细分类的方法选择
5.1 基于二次聚类的电力用户行业分类
5.2 分类器的选择
5.2.1 基于 SVM的用户负荷分类
5.2.2 基于决策树的用户负荷分类
5.2.3 基于 KNN的用户负荷分类
5.3 实验结果与分析
5.3.1 实验数据
5.3.2 分类结果
5.3.2 评价指标
5.4 本章小结
第6章 总结与展望
6.1 工作总结
6.2 未来展望
参考文献
作者简介及在学期间所取得的科研成果
致谢
吉林大学;