| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 1 绪论 | 第10-20页 |
| ·课题研究背景、意义和价值 | 第10-11页 |
| ·短期电力负荷预测方法 | 第11-13页 |
| ·短期电力负荷预测的国内外研究现状 | 第13-15页 |
| ·电力负荷预测基本程序及课题研究主要内容 | 第15-20页 |
| ·电力负荷预测基本程序 | 第15-17页 |
| ·课题主要研究内容 | 第17-20页 |
| 2 电力负荷预测及其特性 | 第20-28页 |
| ·电力负荷预测的分类 | 第20-21页 |
| ·电力负荷预测的特点和难点 | 第21-22页 |
| ·电网中主要用户的用电特点 | 第22-24页 |
| ·常用的负荷特性指标 | 第24-25页 |
| ·电力负荷预测误差分析 | 第25-26页 |
| ·电力负荷预测误差产生的原因 | 第25页 |
| ·电力负荷预测误差分析 | 第25-26页 |
| ·本章小结 | 第26-28页 |
| 3 混沌理论和混沌相空间重构 | 第28-40页 |
| ·混沌理论的概念 | 第28-30页 |
| ·混沌相空间重构 | 第30-31页 |
| ·嵌入维数 m 和延迟时间τ的求取 | 第31-37页 |
| ·时间延迟τ的独立求取 | 第32-33页 |
| ·独立求取嵌入维数 m | 第33-35页 |
| ·改进的 C-C 方法求嵌入维数和延迟时间 | 第35-37页 |
| ·判断时间序列是否具有混沌特性 | 第37-38页 |
| ·本章小结 | 第38-40页 |
| 4 统计学习理论和支持向量机 | 第40-50页 |
| ·统计学习理论 | 第40-44页 |
| ·机器学习和经验风险的最小化 | 第40-41页 |
| ·学习过程一致性 | 第41-42页 |
| ·VC 维 | 第42-43页 |
| ·结构风险最小化 | 第43-44页 |
| ·支持向量机回归 | 第44-46页 |
| ·核函数 | 第46-47页 |
| ·LIBSVM 工具箱 | 第47-49页 |
| ·LIBSVM 简介 | 第47-48页 |
| ·LIBSVM 的常用函数 | 第48页 |
| ·LIBSVM 的使用步骤 | 第48-49页 |
| ·本章小结 | 第49-50页 |
| 5 基于相空间重构和支持向量机的电力负荷预测仿真 | 第50-70页 |
| ·基于相空间重构和支持向量机结合的预测基本流程 | 第50-51页 |
| ·数据基本特征分析 | 第51-53页 |
| ·PSO-SVM 电力负荷预测 | 第53-61页 |
| ·求延迟时间和嵌入维数 | 第53-56页 |
| ·判定电力负荷时间序列的混沌特性 | 第56-57页 |
| ·支持向量机参数寻优 | 第57-61页 |
| ·BP 神经网络和时间序列分析法电力负荷预测 | 第61-64页 |
| ·BP 神经网络预测电力负荷预测 | 第61-62页 |
| ·时间序列分析法电力负荷预测 | 第62-64页 |
| ·预测结果比较和讨论 | 第64-69页 |
| ·本章小结 | 第69-70页 |
| 6 电力负荷预测的 Matlab GUIDE 实现 | 第70-80页 |
| ·电力负荷预测系统要实现的功能 | 第70-71页 |
| ·电力负荷预测系统的 GUI 设计 | 第71-79页 |
| ·电力负荷预测系统整体外观 | 第71-72页 |
| ·功能区 | 第72页 |
| ·求延迟时间 | 第72-73页 |
| ·求嵌入维数 | 第73-75页 |
| ·同时确定嵌入维数和延迟时间 | 第75-76页 |
| ·求最大 Lyapunov 指数 | 第76-77页 |
| ·电力负荷预测功能区 | 第77-79页 |
| ·本章小结 | 第79-80页 |
| 7 总结与展望 | 第80-82页 |
| ·全文总结 | 第80页 |
| ·展望 | 第80-82页 |
| 参考文献 | 第82-86页 |
| 攻读硕士期间发表的论文及研究成果 | 第86-87页 |
| 致谢 | 第87-88页 |