| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-17页 |
| ·电力系统负荷的特点 | 第9-13页 |
| ·电力系统负荷预测的特点 | 第13-15页 |
| ·电力系统负荷预测的类型 | 第15页 |
| ·本文研究的主要内容及章节安排 | 第15-17页 |
| 第二章 电力系统负荷预测的主要方法 | 第17-31页 |
| ·经典预测方法 | 第17-22页 |
| ·单耗法 | 第17页 |
| ·弹性系数法 | 第17-18页 |
| ·水平趋势预测法 | 第18页 |
| ·线性趋势预测法 | 第18-19页 |
| ·多项式趋势预测法 | 第19-20页 |
| ·季节型趋势预测法 | 第20-21页 |
| ·回归预测法 | 第21-22页 |
| ·现代预测方法 | 第22-30页 |
| ·灰色预测法 | 第22-24页 |
| ·专家系统法 | 第24-26页 |
| ·小波分析法 | 第26-27页 |
| ·空间负荷预测法 | 第27-28页 |
| ·神经网络 | 第28-29页 |
| ·混沌序列方法 | 第29-30页 |
| ·小结 | 第30-31页 |
| 第三章 基于向量1-范数的混沌系统电力预测模型 | 第31-48页 |
| ·若干基本概念 | 第31-38页 |
| ·离散时间系统的混沌性定义 | 第32-33页 |
| ·离散时间系统Lvapunov指数 | 第33-34页 |
| ·离散系统混沌吸引子 | 第34-35页 |
| ·连续系统的混沌性定义 | 第35-36页 |
| ·连续时间系统的Lyapunov指数 | 第36-37页 |
| ·关联度与向量1-范数的计算复杂度比较 | 第37-38页 |
| ·建立混沌系统电力预测模型 | 第38-43页 |
| ·混沌系统相空间重构 | 第38-39页 |
| ·混沌系统电力预测建模 | 第39页 |
| ·最佳嵌入维数 | 第39-42页 |
| ·选择相空间的时间窗口 | 第42-43页 |
| ·基于向量1-范数的混沌理论电力系统预测模型实例分析 | 第43-46页 |
| ·基于向量1-范数的混沌理论电力系统预测模型 | 第43-45页 |
| ·实例分析 | 第45-46页 |
| ·小结 | 第46-48页 |
| 第四章 RBF-AR模型在电力系统负荷预测中的应用 | 第48-64页 |
| ·前向人工神经网络模型 | 第48-50页 |
| ·前向人工神经网络模型的定义 | 第48-49页 |
| ·前向神经网络结构的设计 | 第49-50页 |
| ·BP神经网络 | 第50-55页 |
| ·建立RBF神经网络 | 第55-61页 |
| ·RBF网络构造 | 第55-56页 |
| ·RBF中心位置确定 | 第56-58页 |
| ·RBF-AR模型结构 | 第58-59页 |
| ·RBF-AR模型的参数辨识及优化原理 | 第59-61页 |
| ·基于RBF-AR模型的电力负荷预测实例研究 | 第61-63页 |
| ·小结 | 第63-64页 |
| 第五章 基于向量1-范数的混沌理论模型与RBF-AR模型的组合预测方法 | 第64-68页 |
| ·优选组合预测法 | 第64-65页 |
| ·基于向量1-范数的混沌理论与RBF-AR模型的组合预测方法 | 第65页 |
| ·多种预测方法的比较 | 第65-66页 |
| ·小结 | 第66-68页 |
| 第六章 结论与展望 | 第68-70页 |
| ·研究成果 | 第68页 |
| ·进一步研究需要解决的问题 | 第68-69页 |
| ·展望 | 第69-70页 |
| 参考文献 | 第70-74页 |
| 致谢 | 第74-75页 |
| 攻读硕士期间主要的研究成果 | 第75页 |
