| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-13页 |
| 1.1 课题研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 母线负荷预测的研究 | 第10-11页 |
| 1.2.2 粗糙集理论的研究现状 | 第11-12页 |
| 1.3 本论文的主要研究内容 | 第12-13页 |
| 第2章 母线负荷预测与虚拟母线辨识算法的改进 | 第13-23页 |
| 2.1 母线负荷预测相关概念 | 第13-14页 |
| 2.1.1 母线负荷的定义 | 第13页 |
| 2.1.2 母线负荷的特点 | 第13页 |
| 2.1.3 母线负荷预测的难点 | 第13-14页 |
| 2.2 虚拟母线技术 | 第14-18页 |
| 2.2.1 簇集网状网络和虚拟母线 | 第14-16页 |
| 2.2.2 虚拟母线辨识算法 | 第16-18页 |
| 2.3 虚拟母线辨识算法的改进 | 第18-21页 |
| 2.3.1 层次聚类算法分析 | 第18-19页 |
| 2.3.2 基于最小生成树的改进虚拟母线辨识算法设计 | 第19-21页 |
| 2.3.3 实例分析 | 第21页 |
| 2.4 本章小结 | 第21-23页 |
| 第3章 粗糙集及最小属性约简算法改进 | 第23-36页 |
| 3.1 粗糙集理论基础 | 第23-27页 |
| 3.1.1 粗糙集理论的基本概念 | 第23-27页 |
| 3.1.2 连续属性离散化 | 第27页 |
| 3.2 属性的约简 | 第27-30页 |
| 3.2.1 属性的约简与核 | 第27-29页 |
| 3.2.2 现有的属性约简算法 | 第29-30页 |
| 3.3 改进的启发式最小属性约简算法 | 第30-35页 |
| 3.3.1 最小属性约简算法现有算法 | 第30页 |
| 3.3.2 知识的信息熵表示以及属性重要性 | 第30-32页 |
| 3.3.3 启发式最小属性约简算法 | 第32-34页 |
| 3.3.4 算法复杂度分析 | 第34页 |
| 3.3.5 实例分析 | 第34-35页 |
| 3.4 本章小结 | 第35-36页 |
| 第4章 基于粗糙集法和VB的预测模型设计 | 第36-42页 |
| 4.1 RS-VBLF预测模型设计 | 第36-39页 |
| 4.1.1 虚拟母线辨识 | 第36页 |
| 4.1.2 基于粗糙集的虚拟母线负荷预测 | 第36-38页 |
| 4.1.3 维护配比模型，预测子母线负荷 | 第38-39页 |
| 4.2 案例分析 | 第39-41页 |
| 4.3 本章小结 | 第41-42页 |
| 第5章 总结与展望 | 第42-43页 |
| 5.1 总结 | 第42页 |
| 5.2 展望 | 第42-43页 |
| 参考文献 | 第43-46页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第46-47页 |
| 致谢 | 第47页 |