| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第11-18页 |
| 1.1 课题研究的目的和意义 | 第11-12页 |
| 1.2 电量预测研究现状 | 第12-15页 |
| 1.2.1 电量预测预测算法的概述 | 第12-13页 |
| 1.2.2 电量预测方法的研究现状 | 第13-15页 |
| 1.3 电量预测的特点 | 第15-16页 |
| 1.4 本文的主要研究工作 | 第16-18页 |
| 第二章 城市电网电量数据分析及基础模型选择 | 第18-25页 |
| 2.1 城市电网电量数据的特点 | 第18-20页 |
| 2.1.1 城市电网电量数据的自身变化规律分析 | 第18-19页 |
| 2.1.2 城市电网电量数据与行业用电的变化对比分析 | 第19-20页 |
| 2.1.3 城市电网电量数据与经济因素的变化对比分析 | 第20页 |
| 2.2 基础预测模型的选择 | 第20-22页 |
| 2.2.1 单维度预测方法的选择及其特点 | 第20-21页 |
| 2.2.2 多维度预测方法的选择及其特点 | 第21页 |
| 2.2.3 优选组合预测方法的选择及其特点 | 第21-22页 |
| 2.3 数据预处理及模型校验方法 | 第22-24页 |
| 2.3.1 关联度分析方法 | 第22-23页 |
| 2.3.2 模型校验方法 | 第23-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第三章 电量预测方法的数学模型及算法设计 | 第25-41页 |
| 3.1 基于电量变化规律的单维度预测方法的数学模型 | 第25-32页 |
| 3.1.1 季节性趋势模型 | 第25-26页 |
| 3.1.2 季节性环比法模型 | 第26-27页 |
| 3.1.3 ARMA模型 | 第27-31页 |
| 3.1.4 灰色GM(1，1)季节指数修正模型 | 第31-32页 |
| 3.2 基于行业用电及相关因素的多维度预测方法的数学模型 | 第32-37页 |
| 3.2.1 城市电网行业用电分类及相关因素的引入 | 第32-34页 |
| 3.2.2 最优灰色GM（1，N）预测模型 | 第34-35页 |
| 3.2.3 BP神经网络预测模型 | 第35-37页 |
| 3.3 基于不同维度建模的城市电网电量预测方法的算法设计 | 第37-40页 |
| 3.3.1 方差—协方差优选组合预测法 | 第37-39页 |
| 3.3.2 算法设计 | 第39-40页 |
| 3.4 本章小结 | 第40-41页 |
| 第四章 城市电网电量预测方法的软件开发 | 第41-47页 |
| 4.1 MATLAB及其GUI简介 | 第41页 |
| 4.2 城市电网电量预测方法的软件系统 | 第41-43页 |
| 4.2.1 功能设计 | 第41-42页 |
| 4.2.2 模块介绍 | 第42-43页 |
| 4.3 软件界面及其使用说明 | 第43-46页 |
| 4.4 本章小结 | 第46-47页 |
| 第五章 基于不同维度建模的城市电网电量预测方法的应用实例 | 第47-67页 |
| 5.1 广东某城市电网概况 | 第47-48页 |
| 5.2 基于电量变化规律的单维度预测方法的预测分析及结果 | 第48-56页 |
| 5.2.1 季节性趋势模型 | 第49-51页 |
| 5.2.2 季节性环比法模型 | 第51-52页 |
| 5.2.3 ARMA模型 | 第52-54页 |
| 5.2.4 灰色GM(1，1)季节指数修正模型 | 第54-56页 |
| 5.3. 基于行业用电及相关因素的多维度预测方法的预测分析及结果 | 第56-62页 |
| 5.3.1 该城市电网的行业用电分类及影响因素引入 | 第56-58页 |
| 5.3.2 最优GM(1，N)预测模型 | 第58-60页 |
| 5.3.3 BP神经网络预测模型 | 第60-62页 |
| 5.4 基于不同维度建模的城市电网电量预测方法的预测结果 | 第62-64页 |
| 5.5 各预测模型预测结果汇总及比较分析 | 第64-65页 |
| 5.6 本章小结 | 第65-67页 |
| 总结与展望 | 第67-69页 |
| 参考文献 | 第69-73页 |
| 攻读硕士学位期间取得的研究成果 | 第73-74页 |
| 致谢 | 第74-75页 |
| 附件 | 第75页 |
