| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 论文的选题背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 负荷预测研究动态 | 第10页 |
| 1.2.2 灰色预测理论研究动态 | 第10-12页 |
| 1.2.3 粒子群研究动态 | 第12-13页 |
| 1.3 论文研究内容与技术路线 | 第13-14页 |
| 1.4 本章小结 | 第14-15页 |
| 第2章 电力负荷预测理论研究 | 第15-24页 |
| 2.1 电力负荷预测基本概念 | 第15-16页 |
| 2.2 电力负荷预测的分类 | 第16-17页 |
| 2.3 电力负荷预测的特点 | 第17-18页 |
| 2.4 电力负荷预测基本程序 | 第18-19页 |
| 2.5 电力负荷预测技术比较分析 | 第19-23页 |
| 2.5.1 经验负荷预测技术 | 第19-20页 |
| 2.5.2 经典负荷预测技术 | 第20-21页 |
| 2.5.3 电力负荷预测新技术 | 第21-22页 |
| 2.5.4 预测方法的比较 | 第22-23页 |
| 2.6 本章小结 | 第23-24页 |
| 第3章 灰色预测模型研究 | 第24-39页 |
| 3.1 灰色系统理论的产生与发展 | 第24-25页 |
| 3.2 灰色系统理论的基本原理 | 第25页 |
| 3.3 经典灰色预测模型 | 第25-31页 |
| 3.3.1 GM（1,1）模型 | 第25-30页 |
| 3.3.2 灰色 Verhulst 模型 | 第30-31页 |
| 3.4 GM（1,1）幂模型 | 第31-38页 |
| 3.4.1 GM（1,1）幂模型的建模原理 | 第32-34页 |
| 3.4.2 GM（1,1）幂模型的建模步骤 | 第34-35页 |
| 3.4.3 GM（1,1）幂模型的参数分析 | 第35-36页 |
| 3.4.4 GM（1,1）幂模型预测误差分析 | 第36-38页 |
| 3.5 本章小结 | 第38-39页 |
| 第4章 基于粒子群优化 GM（1,1）幂模型的构建 | 第39-48页 |
| 4.1 数据预处理 | 第39-40页 |
| 4.2 粒子群优化算法 | 第40-47页 |
| 4.2.1 粒子群算法的背景知识 | 第40-41页 |
| 4.2.2 粒子群算法数学描述 | 第41-42页 |
| 4.2.3 粒子群算法参数设置 | 第42-43页 |
| 4.2.4 粒子群算法实现步骤与伪代码 | 第43-45页 |
| 4.2.5 粒子群算法优化模型参数 | 第45-47页 |
| 4.3 优化模型的实现流程 | 第47页 |
| 4.4 本章小结 | 第47-48页 |
| 第5章 算例分析 | 第48-54页 |
| 5.1 北京电网负荷概括 | 第48-49页 |
| 5.2 历史数据预处理 | 第49页 |
| 5.3 预测模型参数设置 | 第49-50页 |
| 5.4 预测结果 | 第50-51页 |
| 5.5 预测误差分析 | 第51-53页 |
| 5.6 本章小结 | 第53-54页 |
| 第6章 结论和展望 | 第54-56页 |
| 6.1 结论 | 第54-55页 |
| 6.2 展望 | 第55-56页 |
| 参考文献 | 第56-60页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第60-61页 |
| 致谢 | 第61页 |