01
电费账单初识
解读电费单上的秘密，了解阶梯电价与分时电价的基本概念。
阶梯电价分时电价
02
数据准备
使用Python读取CSV格式的家庭用电数据，进行数据清洗与预处理。
PandasCSV
03
数据探索
用Pandas进行描述性统计，了解用电量的分布与趋势。
描述统计分布
04
可视化入门
用Matplotlib绘制日用电量折线图，直观感受用电波动。
Matplotlib折线图
05
峰谷分析
区分峰、平、谷时段用电量，计算各时段占比与成本。
峰平谷成本
06
阶梯电费计算
根据阶梯电价规则，编写Python函数计算月度电费。
阶梯规则函数
07
异常检测
识别用电数据中的异常值（突增、突降），分析可能原因。
异常值突增
08
相关性分析
探索用电量与天气（温度、湿度）之间的关联性。
天气关联
09
预测模型入门
使用线性回归模型，基于历史数据预测下月电费。
线性回归预测
10
节能建议生成
根据分析结果，自动生成个性化的家庭节能建议报告。
个性化报告
11
多表对比
对比不同月份或不同年份的电费账单，分析变化趋势。
对比趋势
12
电器级能耗拆解
结合电器功率与使用时长，估算单个电器的耗电量。
功率拆解
13
太阳能收益评估
模拟安装太阳能光伏板后的电费节省情况。
光伏收益
14
电动汽车充电优化
分析电动汽车充电行为，优化充电时段以降低费用。
EV充电
15
智能家居联动
设计基于电价的智能家居设备调度策略（热水器、空调）。
调度智能
16
数据仪表盘
使用Plotly Dash构建交互式家庭能源管理仪表盘。
Dash仪表盘
17
API数据获取
从国家电网开放平台API获取实时电价与用电数据。
API实时
18
数据库存储
将历史用电数据存入SQLite数据库，实现高效查询。
SQLite存储
19
自动化报告
编写Python脚本，每月自动生成电费分析PDF报告。
PDF自动
20
碳排放计算
根据用电量估算家庭碳排放量，并对比行业平均水平。
碳足迹对比
21
聚类分析
使用K-Means算法对家庭用电模式进行聚类，识别不同用户类型。
K-Means聚类
22
时间序列分解
对用电量时间序列进行趋势、季节性与残差分解。
STL季节
23
深度学习预测
使用LSTM神经网络进行短期用电量预测。
LSTM深度
24
成本优化算法
使用动态规划算法，求解最优的电器使用时间表。
动态规划优化
25
多用户管理
设计支持多家庭成员、多套房产的能源管理系统。
多用户房产
26
数据安全与隐私
讨论家庭用电数据的加密存储与匿名化处理方案。
加密隐私
27
法规与政策
解读最新的分时电价政策、补贴政策对家庭电费的影响。
政策补贴
28
移动端适配
将分析结果通过Flask API输出，适配手机端H5展示。
FlaskH5
29
社区对比
匿名对比同小区邻居的用电水平，生成节能排名。
社区排名
30
项目总结与展望
回顾整个课程的知识体系，探讨未来智慧能源的发展方向。
总结展望