| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第12-17页 |
| 1.1 研究背景及意义 | 第12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 母线负荷预测 | 第12-13页 |
| 1.2.2 EMD的研究与发展 | 第13-15页 |
| 1.3 母线负荷预测主要存在的问题 | 第15页 |
| 1.4 本文主要研究内容 | 第15-16页 |
| 1.5 本章小结 | 第16-17页 |
| 第二章 母线负荷预测问题概述 | 第17-19页 |
| 2.1 母线负荷的定义 | 第17页 |
| 2.2 母线负荷特点与预测难点 | 第17页 |
| 2.3 母线负荷预测的考核指标 | 第17-18页 |
| 2.4 本章小结 | 第18-19页 |
| 第三章 基于数据挖掘技术的母线特性分析技术 | 第19-24页 |
| 3.1 层次聚类法 | 第19-21页 |
| 3.1.2 层次聚类法原理 | 第19-20页 |
| 3.1.3 层次聚类的优缺点 | 第20-21页 |
| 3.2 决策树 | 第21-23页 |
| 3.2.1 决策树建树 | 第21-22页 |
| 3.2.2 决策树剪枝 | 第22-23页 |
| 3.3 本章小结 | 第23-24页 |
| 第四章 母线负荷特性分析 | 第24-36页 |
| 4.1 母线负荷特性分析的目的 | 第24页 |
| 4.2 时间维度 | 第24-28页 |
| 4.2.1 母线负荷的日规律 | 第25页 |
| 4.2.2 母线负荷的星期规律 | 第25-27页 |
| 4.2.3 母线负荷的节假日规律 | 第27-28页 |
| 4.3 气象因素对母线负荷的影响 | 第28-31页 |
| 4.3.1 温度对母线负荷的影响 | 第28-30页 |
| 4.3.2 相对湿度对母线负荷的影响 | 第30-31页 |
| 4.3.3 降雨量对负荷的影响 | 第31页 |
| 4.4 母线负荷的聚类分析 | 第31-34页 |
| 4.4.1 聚类的目的 | 第31-32页 |
| 4.4.2 聚类的数目 | 第32页 |
| 4.4.3 算例分析 | 第32-34页 |
| 4.5 本章小结 | 第34-36页 |
| 第五章 基于CEEMD的ELM母线负荷预测方法 | 第36-52页 |
| 5.1 CEEMD理论 | 第36-39页 |
| 5.1.1 EMD方法 | 第36-37页 |
| 5.1.2 EEMD方法 | 第37页 |
| 5.1.3 CEEMD方法 | 第37-39页 |
| 5.2 ELM的相关理论 | 第39-44页 |
| 5.2.1 随机隐藏节点的单隐层前馈神经网络 | 第39-40页 |
| 5.2.2 ELM算法训练 | 第40-44页 |
| 5.3 CEEMD-ELM预测模型 | 第44-50页 |
| 5.3.1 CEEMD-ELM模型预测步骤 | 第45页 |
| 5.3.2 实验结果分析 | 第45-50页 |
| 5.4 本章小结 | 第50-52页 |
| 第六章 基于数据挖掘技术和CEEMD-ELM的母线负荷短期预测 | 第52-64页 |
| 6.1 母线负荷预测的关键点 | 第52页 |
| 6.2 样本数据选择与预处理 | 第52-54页 |
| 6.2.1 坏数据处理 | 第53页 |
| 6.2.2 数据的数量化处理 | 第53-54页 |
| 6.2.3 数据的归一化处理 | 第54页 |
| 6.3 基于数据挖掘技术和CEEMD-ELM的母线负荷预测步骤 | 第54-60页 |
| 6.3.1 母线负荷聚类归纳分析 | 第55-56页 |
| 6.3.2 建立决策树 | 第56-58页 |
| 6.3.3 CEEMD-ELM建模预测 | 第58-60页 |
| 6.4 实验结果 | 第60-63页 |
| 6.5 本章小结 | 第63-64页 |
| 第七章 结论与展望 | 第64-66页 |
| 7.1 结论 | 第64页 |
| 7.2 展望 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 致谢 | 第70-71页 |
| 附录A 攻读硕士学位期间发表的学术论文 | 第71-72页 |
| 附录B 攻读硕士学位期间参与的科研项目 | 第72页 |