| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-14页 |
| 1.1 研究背景及意义 | 第8-10页 |
| 1.2 电力系统负荷预的发展及现状 | 第10-13页 |
| 1.3 本文主要工作 | 第13-14页 |
| 第2章 电力系统负荷预测分析 | 第14-21页 |
| 2.1 负荷预测概述 | 第14-16页 |
| 2.2 负荷预测基本特点 | 第16-18页 |
| 2.3 负荷预测误差分析 | 第18-21页 |
| 第3章 小波分析在短期负荷预测中的应用 | 第21-38页 |
| 3.1 小波分析理论概述 | 第21-22页 |
| 3.2 小波理论的发展 | 第22-24页 |
| 3.2.1 傅里叶变换 | 第22页 |
| 3.2.2 短时傅里叶变换 | 第22-23页 |
| 3.2.3 小波变换 | 第23-24页 |
| 3.3 小波分析理论概述 | 第24-28页 |
| 3.3.1 连续小波变换 | 第25-26页 |
| 3.3.2 离散小波变换 | 第26页 |
| 3.3.3 二进小波变换 | 第26-27页 |
| 3.3.4 小波多分辨分析 | 第27页 |
| 3.3.5 Mallat算法 | 第27-28页 |
| 3.4 常用的小波函数 | 第28-33页 |
| 3.4.1 Haar小波 | 第29页 |
| 3.4.2 Daubechies小波 | 第29-31页 |
| 3.4.3 Mexican Hat（Mexh）小波 | 第31-32页 |
| 3.4.4 Morlet小波 | 第32-33页 |
| 3.4.5 Meyer小波 | 第33页 |
| 3.5 数据预处理 | 第33-35页 |
| 3.6 小波分析在短期负荷预测中的应用 | 第35-38页 |
| 第4章 神经网络在短期负荷预测中的应用 | 第38-49页 |
| 4.1 人工神经网络概述 | 第38-41页 |
| 4.1.1 神经网络模型分类 | 第38-39页 |
| 4.1.2 人工神经网络的学习方法 | 第39-40页 |
| 4.1.3 人工神经网络的特点 | 第40-41页 |
| 4.2 误差反传（BP）神经网络基本原理 | 第41-45页 |
| 4.2.1 BP神经网络的学习过程 | 第41-43页 |
| 4.2.2 BP神经网络的注意点及局限性 | 第43-44页 |
| 4.2.3 BP神经网络模型构建 | 第44-45页 |
| 4.3 神经网络在负荷预测中应用的实例分析 | 第45-49页 |
| 第5章 小波神经网络在短期负荷预测中的应用 | 第49-56页 |
| 5.1 小波神经网络概述 | 第49页 |
| 5.2 小波神经网络的结构分类 | 第49-51页 |
| 5.3 小波神经网络的构建 | 第51-53页 |
| 5.3.1 小波函数的选取 | 第51-52页 |
| 5.3.2 小波神经网络构建 | 第52-53页 |
| 5.4 小波神经网络实际算例分析 | 第53-56页 |
| 第6章 结论 | 第56-58页 |
| 6.1 结论 | 第56页 |
| 6.2 课题展望 | 第56-58页 |
| 参考文献 | 第58-61页 |
| 在学研究成果 | 第61-62页 |
| 致谢 | 第62页 |