| 摘要 | 第1-5页 |
| ABSTRACT | 第5-24页 |
| 第一章 绪论 | 第24-33页 |
| ·电力负荷预测 | 第24-27页 |
| ·电力负荷预测的概念 | 第24页 |
| ·电力负荷预测的分类及其作用 | 第24-25页 |
| ·电力负荷预测的特点 | 第25页 |
| ·电力负荷预测的基本程序 | 第25-26页 |
| ·电力负荷预测的误差分析 | 第26-27页 |
| ·短期负荷预测 | 第27-31页 |
| ·短期负荷预测概述 | 第27页 |
| ·短期负荷预测方法简介 | 第27-31页 |
| ·本文的主要工作 | 第31-33页 |
| 第二章 小波变换理论 | 第33-46页 |
| ·引言 | 第33页 |
| ·小波函数 | 第33-35页 |
| ·定义 | 第33-34页 |
| ·几种常用的母小波函数 | 第34-35页 |
| ·小波变换 | 第35-39页 |
| ·连续小波变换 | 第35-37页 |
| ·离散小波变换 | 第37-39页 |
| ·小波变换的特点 | 第39页 |
| ·多尺度分析与尺度函数 | 第39-41页 |
| ·多尺度分析 | 第39-40页 |
| ·尺度函数 | 第40页 |
| ·双尺度方程 | 第40-41页 |
| ·MALLAT算法 | 第41-43页 |
| ·Mallat分解算法 | 第41-43页 |
| ·Mallat重构算法 | 第43页 |
| ·抽取与插值 | 第43-46页 |
| ·抽取 | 第43-45页 |
| ·插值 | 第45-46页 |
| 第三章 小波包变换理论 | 第46-55页 |
| ·引言 | 第46页 |
| ·小波包变换 | 第46-49页 |
| ·小波包变换的思想 | 第46-47页 |
| ·小波包的定义及性质 | 第47-49页 |
| ·小波包的定义 | 第47-49页 |
| ·小波包的性质 | 第49页 |
| ·小波库 | 第49-50页 |
| ·小波包基 | 第50-51页 |
| ·小波包基的定义 | 第50-51页 |
| ·代价函数 | 第51页 |
| ·最优小波包基的选取 | 第51页 |
| ·小波包变换的过程 | 第51-55页 |
| ·小波包分解算法 | 第52-53页 |
| ·小波包重构算之 | 第53页 |
| ·二叉树 | 第53-55页 |
| 第四章 小波包变换在短期电力负荷预测中的应用 | 第55-89页 |
| ·引言 | 第55-56页 |
| ·基于小波变换的短期电力负荷预测简介 | 第56-59页 |
| ·基于小波包变换的短期电力负荷预测 | 第59-85页 |
| ·基于小波包变换的短期电力负荷预测的基本思想 | 第59-63页 |
| ·周期自回归(PAR)模型 | 第63-67页 |
| ·周期自回归(PAR)的概念 | 第63-64页 |
| ·基于周期自回归的负荷预测模型 | 第64页 |
| ·计及日周期性的周期自回归负荷预测模型 | 第64页 |
| ·计及周周期性的周期自回归负荷预测模型 | 第64-65页 |
| ·周期自回归模型的预测过程 | 第65-66页 |
| ·周期自回归模型的动态矩阵法 | 第66-67页 |
| ·子负荷序列的不同预测 | 第67-68页 |
| ·人工神经网络法 | 第68-73页 |
| ·人工神经元模型 | 第68-69页 |
| ·BP网络 | 第69-70页 |
| ·LMBP(Levenberg-Marquardt BP)算法简介 | 第70-73页 |
| ·神经网络训练样本的构成 | 第73页 |
| ·预测实例 | 第73-80页 |
| ·数据的输入 | 第73-74页 |
| ·数据的预处理 | 第74-75页 |
| ·原序列边界的处理 | 第75-76页 |
| ·预测流程 | 第76-78页 |
| ·预测结果 | 第78-80页 |
| ·与相关方法的比较 | 第80-85页 |
| ·小波变换法 | 第80-82页 |
| ·小波包变换法中只计及周期性规律的子负荷序列的负荷预测法 | 第82-85页 |
| ·问题的讨论 | 第85-89页 |
| ·基于小波包变换的负荷预测在实际中的应用与推广 | 第85-86页 |
| ·短期电力负荷预测中当日负荷值的补足问题 | 第86-87页 |
| ·关于天气对负荷的影响 | 第87页 |
| ·关于国家法定节假日的负荷预测 | 第87-89页 |
| 第五章 总结与展望 | 第89-92页 |
| 致谢 | 第92-93页 |
| 参考文献 | 第93-96页 |
| 附录 | 第96-97页 |
| 原创性声明 | 第97页 |
| 关于学位论文使用授权的声明 | 第97页 |