| 摘要 | 第1-7页 |
| Abstract | 第7-11页 |
| 第1章 绪论 | 第11-20页 |
| ·课题研究的背景和意义 | 第11-16页 |
| ·电力系统负荷预测的含义 | 第11-12页 |
| ·电力系统负荷预测的目的和意义 | 第12-13页 |
| ·电力系统负荷预测的分类 | 第13-16页 |
| ·国内外的研究现状 | 第16-18页 |
| ·国内外负荷预测研究现状 | 第16-17页 |
| ·电力系统负荷预测的特点与难点 | 第17-18页 |
| ·本文主要工作 | 第18-20页 |
| 第2章 短期负荷预测分析 | 第20-38页 |
| ·短期负荷预测特点 | 第20-28页 |
| ·短期负荷预测内在特性 | 第20-24页 |
| ·短期负荷预测外部特性 | 第24-28页 |
| ·短期负荷预测方法 | 第28-32页 |
| ·传统短期负荷预测方法 | 第28-29页 |
| ·现代短期负荷预测方法 | 第29-32页 |
| ·短期负荷预测误差分析 | 第32-34页 |
| ·短期负荷历史数据预处理 | 第34-37页 |
| ·历史数据处理 | 第34-36页 |
| ·数据量化处理 | 第36-37页 |
| ·本章小结 | 第37-38页 |
| 第3章 最小二乘支持向量机模型 | 第38-52页 |
| ·支持向量机 | 第38-47页 |
| ·统计学习理论 | 第38-41页 |
| ·支持向量机分类（SVC） | 第41-44页 |
| ·支持向量机回归（SVR） | 第44-47页 |
| ·最小二乘支持向量机 | 第47-50页 |
| ·最小二乘支持向量机基本原理 | 第47-49页 |
| ·核函数 | 第49-50页 |
| ·LS-SVM 参数选择问题 | 第50-51页 |
| ·本章小结 | 第51-52页 |
| 第4章 基于贝叶斯证据下WLS-SVM 的短期负荷预测 | 第52-61页 |
| ·贝叶斯证据推断理论 | 第52-57页 |
| ·贝叶斯理论 | 第52-54页 |
| ·贝叶斯层次推断 | 第54-57页 |
| ·加权最小二乘支持向量机 | 第57-58页 |
| ·贝叶斯推断的WLS-SVM 模型用于短期负荷预测 | 第58-60页 |
| ·本章小结 | 第60-61页 |
| 第5章 实例分析 | 第61-68页 |
| ·数据的分析与处理 | 第61-62页 |
| ·模型建立与训练 | 第62-65页 |
| ·预测结果与分析 | 第65-67页 |
| ·本章小结 | 第67-68页 |
| 结论 | 第68-70页 |
| 参考文献 | 第70-75页 |
| 攻读学位期间取得的研究成果及发表的学术论文 | 第75-76页 |
| 致谢 | 第76页 |