| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4-5页 |
| 1 绪论 | 第8-20页 |
| 1.1 课题研究的背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-18页 |
| 1.2.1 短期负荷预测的国内外研究现状 | 第9-14页 |
| 1.2.2 状态估计的国内外研究现状 | 第14-18页 |
| 1.3 本文主要研究工作 | 第18-20页 |
| 2 论文研究涉及的相关原理 | 第20-34页 |
| 2.1 引言 | 第20页 |
| 2.2 粒子群算法基本原理 | 第20-21页 |
| 2.3 混沌的基本原理 | 第21-24页 |
| 2.3.1 混沌的定义 | 第21-22页 |
| 2.3.2 混沌的基本特征 | 第22-23页 |
| 2.3.3 混沌优化 | 第23-24页 |
| 2.4 支持向量机基本原理 | 第24-29页 |
| 2.4.1 结构风险最小化原则 | 第24-26页 |
| 2.4.2 支持向量机回归原理 | 第26-28页 |
| 2.4.3 最小二乘支持向量机原理 | 第28-29页 |
| 2.5 抗差估计的基本原理 | 第29-32页 |
| 2.5.1 抗差估计的基本概念 | 第29-30页 |
| 2.5.2 极大似然估计 | 第30-32页 |
| 2.6 本章小结 | 第32-34页 |
| 3 基于改进混沌粒子群算法的最小二乘支持向量机短期负荷预测 | 第34-48页 |
| 3.1 引言 | 第34页 |
| 3.2 混沌粒子群算法的改进 | 第34-40页 |
| 3.2.1 混沌粒子群算法 | 第34-35页 |
| 3.2.2 混沌粒子群算法的权重调节方式的改进 | 第35-39页 |
| 3.2.3 混沌粒子群算法早熟的处理 | 第39-40页 |
| 3.3 预测方法与步骤 | 第40-43页 |
| 3.4 算例分析 | 第43-46页 |
| 3.5 本章小结 | 第46-48页 |
| 4 计及非高斯误差的电力系统抗差状态估计 | 第48-64页 |
| 4.1 引言 | 第48页 |
| 4.2 基本模型和算法 | 第48-54页 |
| 4.2.1 电力系统期望估计 | 第48-49页 |
| 4.2.2 计及非高斯误差的量测方程 | 第49-50页 |
| 4.2.3 目标函数 | 第50-54页 |
| 4.2.4 迭代方程 | 第54页 |
| 4.3 计算步骤 | 第54-55页 |
| 4.4 算例分析 | 第55-61页 |
| 4.4.1 高斯误差的估计问题分析 | 第56-58页 |
| 4.4.2 非高斯的估计问题分析 | 第58-61页 |
| 4.5 本章小结 | 第61-64页 |
| 5 结论与展望 | 第64-66页 |
| 致谢 | 第66-68页 |
| 参考文献 | 第68-76页 |
| 附录 | 第76-80页 |
| A.作者在攻读硕士学位期间发表的论文 | 第76页 |
| B.作者在攻读硕士学位期间主持或参与的科研项目 | 第76页 |
| C.表格和公式 | 第76-80页 |