近年來(lái),居民電力需求占社會(huì)電力總需求的比例正在逐漸上升,與工業(yè)電力需求相比,居民電力消費(fèi)需求具有增長(zhǎng)快,彈性大的特點(diǎn),容易通過(guò)相應(yīng)的政策進(jìn)行宏觀調(diào)控。因此減少不合理居民電力消費(fèi)有助于降低整個(gè)社會(huì)的電力消費(fèi),從而降低能源消耗,有利于經(jīng)濟(jì)持續(xù)健康發(fā)展。從需求側(cè)角度來(lái)看,研究居民電力消費(fèi)特征以及相應(yīng)的電力消費(fèi)行為有助于電力服務(wù)公司制定更加有效合理的干預(yù)政策。近年來(lái),大數(shù)據(jù)技術(shù)和人工智能技術(shù)在能源消費(fèi)模式與能源消費(fèi)預(yù)測(cè)領(lǐng)域發(fā)揮著越來(lái)越重要的作用,因此本文利用機(jī)器學(xué)習(xí)技術(shù)對(duì)居民電力消費(fèi)特征進(jìn)行了研究。本文分別研究了居民電力消費(fèi)模式和居民電力消費(fèi)概率密度預(yù)測(cè),并且利用江蘇省南京市2014年電力消費(fèi)數(shù)據(jù)進(jìn)行了實(shí)證研究。首先通過(guò)k-means聚類算法研究了居民節(jié)日電力消費(fèi)特征,結(jié)果表明:春節(jié)期間存在三種典型電力消費(fèi)模式,符合春節(jié)期間居民行為規(guī)律;勞動(dòng)節(jié)與國(guó)慶節(jié)期間存在兩種典型電力消費(fèi)模式,符合居民勞動(dòng)節(jié)與國(guó)慶節(jié)期間行為規(guī)律。其次,分析了居民的季節(jié)性電力消費(fèi)特征,研究發(fā)現(xiàn):居民在冬季與夏季期間電力消費(fèi)量高于春季與秋季期間電力消費(fèi)量,并且夏季與冬季期間電力消費(fèi)波動(dòng)性較大;冬季居民電力消費(fèi)量與夏季電力消費(fèi)量... 

【文章來(lái)源】：合肥工業(yè)大學(xué)安徽省 211工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：69 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
致謝
摘要
abstract
第一章 緒論
    1.1 研究背景和意義
        1.1.1 研究背景
        1.1.2 研究意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 居民電力消費(fèi)行為研究現(xiàn)狀
        1.2.2 居民電力消費(fèi)模式研究現(xiàn)狀
        1.2.3 居民電力消費(fèi)預(yù)測(cè)研究現(xiàn)狀
        1.2.4 研究現(xiàn)狀總結(jié)
    1.3 本文主要?jiǎng)?chuàng)新點(diǎn)
    1.4 研究?jī)?nèi)容與論文結(jié)構(gòu)
第二章 研究方法及理論基礎(chǔ)
    2.1 k-means算法
    2.2 神經(jīng)網(wǎng)絡(luò)
        2.2.1 神經(jīng)網(wǎng)絡(luò)模型表示
        2.2.2 神經(jīng)網(wǎng)絡(luò)參數(shù)學(xué)習(xí)
    2.3 分位數(shù)回歸
        2.3.1 分位數(shù)回歸模型表示
        2.3.2 分位數(shù)回歸模型估計(jì)
    2.4 概率密度估計(jì)
    2.5 本章小結(jié)
第三章 居民電力消費(fèi)研究框架
    3.1 基于聚類算法的居民電力消費(fèi)模式研究
        3.1.1 數(shù)據(jù)采集
        3.1.2 數(shù)據(jù)預(yù)處理
        3.1.3 聚類分析
    3.2 基于深度學(xué)習(xí)的居民電力消費(fèi)概率密度預(yù)測(cè)研究
    3.3 本章小結(jié)
第四章 居民電力消費(fèi)實(shí)證研究
    4.1 研究區(qū)域概況
    4.2 數(shù)據(jù)收集
    4.3 特征工程
    4.4 居民電力消費(fèi)的時(shí)序特征
        4.4.1 節(jié)日電力消費(fèi)特征
        4.4.2 季節(jié)電力消費(fèi)特征
    4.5 居民電力消費(fèi)溫度敏感性分析
    4.6 居民電力消費(fèi)的特征預(yù)測(cè)
        4.6.1 點(diǎn)預(yù)測(cè)
        4.6.2 特征重要性分析
        4.6.3 概率密度預(yù)測(cè)
    4.7 本章小結(jié)
第五章 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
參考文獻(xiàn)
攻讀碩士學(xué)位期間的學(xué)術(shù)活動(dòng)及成果情況


【參考文獻(xiàn)】：
期刊論文
[1]分位數(shù)局部調(diào)整模型及應(yīng)用[J]. 許啟發(fā),蔣翠俠.  數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究. 2011(08)



本文編號(hào)：3471771