聚类技术在配电网中的应用及用户类型分析开题报告

1. 研究目的与意义

聚类分析作为数据挖掘技术的重要组成部分，已经广泛应用于模式识别、数据分析、图像识别及其他许多方面。

聚类分析是在事先不规定数据分组规则的情况下，将数据按照其自身特征及在联系划分成有意义的组。

数据聚类正在蓬勃发展，有贡献的研究领域包括数据挖掘，统计学，机器学习空间数据库技术，生物学，以及市场营销。

2. 国内外研究现状分析

聚类分析是数据挖掘中一项重要的研究课题在数据挖掘、模式识别、统、计数据分析、自然语言理解等领域都有广泛的应用前景。随着信息科技的发展，较大规模数据的获取比以往更加方便，人们需要处理的信息数据也日渐呈现。聚类是数据挖掘过程的一个重要方法，主要用于发现不同的类别以及从数据中识别特定分布和模式。聚类分析在解决医学、心理学、社会学以及模式识别、图像处理问题中都有着重要作用。所以在国内外都是成为比较值得研究的课题。

3. 研究的基本内容与计划

本课题主要研究聚类的概念及两三种常用的算法，并将其中的某种算法应用到电力系统配电网中，利用现有的测量数据来展示任何利用它来更新用户的类负荷曲线以及对配电网中的用户重新进行分类。

2月底到3月初查阅相关资料，收集相关文献，完成开题工作。3月到4月，确定设计方案，熟悉编程环境，编写相关程序。5月调试相关程序，撰写论文，修改论文，做PPT，准备答辩。

4. 研究创新点

比较聚类算法，可以把简单有效的算法运用到配电网中对用户进行分类，这样可以为电力公司有效的选择用户,采取各种价格措施改善电力系统的用电紧张。