| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 短期负荷预测的研究意义 | 第11-12页 |
| 1.2 短期负荷预测的发展及研究现状 | 第12-17页 |
| 1.2.1 传统预测方法 | 第12-13页 |
| 1.2.2 智能预测方法 | 第13-15页 |
| 1.2.3 函数型预测方法 | 第15-17页 |
| 1.3 研究内容与组织结构 | 第17-18页 |
| 1.4 本文创新点 | 第18-19页 |
| 第二章 电力负荷数据的特性分析 | 第19-29页 |
| 2.1 负荷数据的特性分析 | 第19-25页 |
| 2.1.1 周期性分析 | 第19-21页 |
| 2.1.2 相似性分析 | 第21-23页 |
| 2.1.3 季节因素的影响 | 第23-24页 |
| 2.1.4 其他因素的影响 | 第24-25页 |
| 2.2 短期负荷预测的特点 | 第25-26页 |
| 2.3 负荷数据的函数型特征 | 第26-29页 |
| 第三章 函数型聚类分析和函数型非参数回归理论 | 第29-41页 |
| 3.1 函数型数据分析的基本思想 | 第29页 |
| 3.2 函数型聚类分析 | 第29-36页 |
| 3.2.1 几种函数型聚类方法 | 第29-31页 |
| 3.2.2 相似性测度 | 第31-32页 |
| 3.2.3 函数型SOM算法 | 第32-34页 |
| 3.2.4 函数型k-means算法 | 第34-35页 |
| 3.2.5 聚类效果判定准则 | 第35-36页 |
| 3.3 函数型非参数估计 | 第36-41页 |
| 3.3.1 函数型非参数估计的基本思想 | 第36页 |
| 3.3.2 函数型非参数回归预测模型 | 第36-39页 |
| 3.3.3 半度量d的计算 | 第39-41页 |
| 第四章 基于函数型数据分析的短期电力负荷预测建模 | 第41-49页 |
| 4.1 日负荷数据的函数化 | 第41-43页 |
| 4.2 基于SOM和k-means的函数型聚类组合算法 | 第43-47页 |
| 4.2.1 一种改进的相似性测度 | 第43-44页 |
| 4.2.2 函数型SOM和k-means聚类组合算法 | 第44-47页 |
| 4.3 基于非参数回归的短期负荷预测 | 第47-49页 |
| 第五章 实证分析 | 第49-61页 |
| 5.1 数据预处理 | 第49-51页 |
| 5.2 相似日选择分析 | 第51-55页 |
| 5.3 预测结果分析 | 第55-61页 |
| 5.3.1 负荷预测误差指标 | 第55-56页 |
| 5.3.2 日负荷预测结果分析 | 第56-61页 |
| 第六章 总结与展望 | 第61-63页 |
| 6.1 论文工作总结 | 第61页 |
| 6.2 进一步研究的考虑 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 致谢 | 第67页 |