| 摘要 | 第1-4页 |
| Abstract | 第4-5页 |
| 目录 | 第5-9页 |
| 第一章 绪论 | 第9-13页 |
| ·电力系统负荷预测的内容及意义 | 第9-10页 |
| ·本文所做主要工作的内容 | 第10-13页 |
| ·本文的背景及其特殊意义 | 第10-11页 |
| ·本文所做的主要工作 | 第11-13页 |
| 第二章 电力系统负荷预测方法的简要综述 | 第13-19页 |
| ·负荷预测的传统方法 | 第13-14页 |
| ·目前的若干主流方法及新进展 | 第14-19页 |
| ·人工神经网络 | 第15-16页 |
| ·小波分析 | 第16-17页 |
| ·数据挖掘技术 | 第17-19页 |
| 第三章 时间序列的数据挖掘技术 | 第19-31页 |
| ·相似性度量 | 第19-23页 |
| ·欧式距离 | 第20-21页 |
| ·动态时间弯曲距离 | 第21-23页 |
| ·聚类算法—PAM | 第23-26页 |
| ·相似性查找 | 第26-31页 |
| ·欧式距离下的基于离散傅立叶变换的相似性快速查找 | 第26-27页 |
| ·DTW下的最佳匹配加速算法 | 第27-31页 |
| 第四章 时间序列分析的ARMA模型 | 第31-38页 |
| ·ARMA(p,q)过程的相关基本概念 | 第31-32页 |
| ·ARMA(p,q)过程的递归预报 | 第32-36页 |
| ·ARMA(p,q)的自协方差函数的计算 | 第32-34页 |
| ·递归一步预报方法 | 第34-36页 |
| ·ARMA(p,q)过程的参数估计与辨识 | 第36-38页 |
| ·ARMA(p,q)过程的初估计 | 第36-37页 |
| ·模型辨识 | 第37-38页 |
| 第五章 应用时序数据挖掘与时序分析技术于负荷曲线预测 | 第38-50页 |
| ·概述 | 第38-40页 |
| ·稳定点的预测 | 第40-43页 |
| ·选取稳定点 | 第40-41页 |
| ·初步预测 | 第41-43页 |
| ·曲线分段复原 | 第43-46页 |
| ·聚类和查询的应用 | 第44-45页 |
| ·ARMA(p,q)模型的应用 | 第45-46页 |
| ·曲线平滑处理 | 第46-47页 |
| ·实例计算结果及分析 | 第47-48页 |
| ·总结 | 第48-50页 |
| 参考文献 | 第50-58页 |
| 致谢 | 第58页 |