| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 研究的目的和意义 | 第9-10页 |
| 1.2 电力负荷预测概念及研究现状评述 | 第10-14页 |
| 1.2.1 电力负荷预测的概念和分类 | 第10-12页 |
| 1.2.2 国内外研究现状 | 第12-14页 |
| 1.3 本文主要工作 | 第14-16页 |
| 第2章 数据挖掘与遗传算法理论 | 第16-21页 |
| 2.1 数据挖掘基本理论 | 第16-18页 |
| 2.1.1 数据挖掘理论 | 第16页 |
| 2.1.2 负荷预测中的数据挖掘技术 | 第16-18页 |
| 2.2 遗传算法 | 第18-21页 |
| 第3章 基于数据挖掘的电力负荷非线性回归(INR)模型的研究 | 第21-37页 |
| 3.1 短期负荷特性分析 | 第21-25页 |
| 3.1.1 周期性分析 | 第21-24页 |
| 3.1.2 负荷分量的分解 | 第24-25页 |
| 3.2 基于数据挖掘的数据预处理 | 第25-30页 |
| 3.2.1 数据预处理 | 第25页 |
| 3.2.2 异常数据的辨识与修正的基本思想 | 第25-26页 |
| 3.2.3 基于聚类分析的特征曲线提取 | 第26-28页 |
| 3.2.4 异常数据的检测与修正 | 第28-30页 |
| 3.3 基于遗传算法的智能非线性回归预测模型研究 | 第30-37页 |
| 3.3.1 基于类层次分析法的繁忙指数确定 | 第31-32页 |
| 3.3.2 负荷的回归分析预测 | 第32-33页 |
| 3.3.3 遗传算法求解 | 第33-37页 |
| 第4章 通辽地区负荷实例分析 | 第37-45页 |
| 4.1 数据准备 | 第37-40页 |
| 4.2 繁忙指数的确定 | 第40-42页 |
| 4.3 模型的建立与求解 | 第42-45页 |
| 第5章 结论与展望 | 第45-46页 |
| 参考文献 | 第46-49页 |
| 致谢 | 第49-50页 |
| 作者简介 | 第50页 |