| 中文摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第8-15页 |
| 1.1 选题背景与研究意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-13页 |
| 1.2.1 传统短期预测 | 第10-11页 |
| 1.2.2 人工智能预测方法 | 第11-13页 |
| 1.3 本文主要研究工作 | 第13-15页 |
| 第二章 短期负荷预测器设计 | 第15-31页 |
| 2.1 人工神经网络 | 第15-19页 |
| 2.1.1 人工神经网络概述 | 第15-16页 |
| 2.1.2 BP算法及其改进 | 第16-19页 |
| 2.2 基于分群的混沌遗传算法 | 第19-28页 |
| 2.2.1 基本遗传算法 | 第19-21页 |
| 2.2.2 基于分群的混沌遗传算法 | 第21-28页 |
| 2.3 基于显著性的剪枝算法 | 第28-30页 |
| 2.4 本章小结 | 第30-31页 |
| 第三章 基于非线性Ensemble的短期负荷预测 | 第31-36页 |
| 3.1 Ensemble概述 | 第31页 |
| 3.2 基于ANN的非线性Ensemble预测方法 | 第31-33页 |
| 3.2.1 线性Ensemble | 第31-32页 |
| 3.2.2 基于ANN的非线性Ensemble | 第32-33页 |
| 3.3 基于非线性Ensemble短期负荷预测的三阶段方法 | 第33-35页 |
| 3.4 本章小结 | 第35-36页 |
| 第四章 基于TRUST-TECH的Versatile区间预测 | 第36-44页 |
| 4.1 区间预测概述 | 第36-37页 |
| 4.2 Versatile分布函数 | 第37-38页 |
| 4.3 TRUST-TECH全局优化技术 | 第38-42页 |
| 4.3.1 TRUST-TECH解优化问题的一般步骤 | 第39-40页 |
| 4.3.2 TRUST-TECH优化平台 | 第40-42页 |
| 4.4 基于TRUST-TECH的Versatile区间预测 | 第42-43页 |
| 4.4.1 区间预测的基础及假设 | 第42页 |
| 4.4.2 区间预测方法流程 | 第42-43页 |
| 4.5 本章小结 | 第43-44页 |
| 第五章 实例分析与比较 | 第44-55页 |
| 5.1 基本神经网络预期器 | 第44-46页 |
| 5.2 PJM算例 | 第46-52页 |
| 5.2.1 基于非线性Ensemble的点预测效果 | 第46-48页 |
| 5.2.2 基于TRUST-TECH的Versatile区间估计 | 第48-52页 |
| 5.3 ISO New England算例 | 第52-54页 |
| 5.4 本章小结 | 第54-55页 |
| 第六章 总结与展望 | 第55-57页 |
| 参考文献 | 第57-61页 |
| 发表论文和参加科研情况说明 | 第61-62页 |
| 致谢 | 第62-63页 |
