| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 1 绪论 | 第8-15页 |
| 1.1 负荷预测的意义 | 第8页 |
| 1.2 电力系统负荷预测分类 | 第8页 |
| 1.3 负荷预测研究现状 | 第8-13页 |
| 1.4 负荷预测步骤 | 第13-14页 |
| 1.5 本文主要内容及章节安排 | 第14-15页 |
| 2 电力负荷特性分析 | 第15-21页 |
| 2.1 电力负荷分类 | 第15-16页 |
| 2.2 负荷预测数据处理方法 | 第16-19页 |
| 2.2.1 异常数据的分类及处理方法 | 第16-18页 |
| 2.2.2 数据的归一化 | 第18-19页 |
| 2.3 负荷预测误差分析 | 第19-20页 |
| 2.4 本章小结 | 第20-21页 |
| 3 模糊 C 均值聚类分析和支持向量机理论 | 第21-37页 |
| 3.1 模糊 C 均值聚类分析原理 | 第21-23页 |
| 3.1.1 模糊 C 均值理论介绍 | 第21-22页 |
| 3.1.2 Jffreys&Matusita 距离 | 第22-23页 |
| 3.1.3 选择相似数据的具体流程图 | 第23页 |
| 3.2 支持向量机理论 | 第23-36页 |
| 3.2.1 机器学习简介 | 第24-27页 |
| 3.2.2 支持向量机分类原理和回归原理 | 第27-36页 |
| 3.3 本章小结 | 第36-37页 |
| 4 历史数据的处理及预测输入属性的选择 | 第37-45页 |
| 4.1 历史数据处理 | 第37-38页 |
| 4.2 FCM 对历史负荷数据聚类分析 | 第38-39页 |
| 4.3 输入属性的选择 | 第39-44页 |
| 4.4 本章小结 | 第44-45页 |
| 5 基于支持向量机的短期负荷预测 | 第45-54页 |
| 5.1 负荷预测具体步骤 | 第46页 |
| 5.2 预测结果分析 | 第46-53页 |
| 5.3 本章小结 | 第53-54页 |
| 6 结论 | 第54-55页 |
| 参考文献 | 第55-57页 |
| 致谢 | 第57页 |