| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 创新点摘要 | 第7-10页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 微电网负荷预测方法及原理 | 第11-16页 |
| 1.2.1 微电网理论 | 第11-12页 |
| 1.2.2 负荷预测原理及其分类 | 第12-14页 |
| 1.2.3 负荷预测方法国内外研究现状 | 第14-16页 |
| 1.3 本文研究主要内容 | 第16-17页 |
| 第二章 微电网负荷影响因素分析及数据辨识与修正 | 第17-30页 |
| 2.1 短期负荷影响因素分析 | 第17-21页 |
| 2.1.1 时间影响因素 | 第17-18页 |
| 2.1.2 天气影响因素 | 第18-21页 |
| 2.2 微电网负荷数据辨识与修正 | 第21-28页 |
| 2.2.1 异常数据处理 | 第21-23页 |
| 2.2.2 数据无量纲化处理 | 第23-24页 |
| 2.2.3 数据去噪处理 | 第24-27页 |
| 2.2.4 数据降维处理 | 第27-28页 |
| 2.3 负荷预测结果评价标准 | 第28-29页 |
| 2.4 本章小结 | 第29-30页 |
| 第三章 基于支持向量机的微电网负荷预测模型 | 第30-41页 |
| 3.1 支持向量机最佳分类面 | 第30-31页 |
| 3.2 支持向量回归机模型建立 | 第31-33页 |
| 3.3 核函数对支持向量机的作用 | 第33-35页 |
| 3.4 负荷预测算例分析 | 第35-40页 |
| 3.5 本章小结 | 第40-41页 |
| 第四章 多种群遗传算法优化支持向量机微电网负荷预测 | 第41-53页 |
| 4.1 遗传算法优化支持向量机 | 第41-46页 |
| 4.1.1 遗传算法组成 | 第41-43页 |
| 4.1.2 遗传算法基本流程 | 第43-44页 |
| 4.1.3 仿真验证 | 第44-46页 |
| 4.2 改进的多种群遗传算法 | 第46-48页 |
| 4.3 MPGA-SVM微网负荷预测算法分析与比较 | 第48-52页 |
| 4.4 本章小结 | 第52-53页 |
| 第五章 微电网负荷预测模型的GUI实现 | 第53-57页 |
| 5.1 软件模块 | 第53-55页 |
| 5.2 软件整体界面 | 第55-56页 |
| 5.3 本章小结 | 第56-57页 |
| 结论 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 发表文章目录 | 第62-63页 |
| 致谢 | 第63-64页 |