| 第一章 引言 | 第1-18页 |
| ·机器学习的概念和意义 | 第9页 |
| ·机器学习问题的研究现状 | 第9-11页 |
| ·三种主要的学习问题 | 第11-14页 |
| ·模式识别 | 第12页 |
| ·回归估计 | 第12-13页 |
| ·密度估计 | 第13-14页 |
| ·机器学习在电力系统中的应用 | 第14-17页 |
| ·电力系统安全稳定性评估 | 第14页 |
| ·电力系统故障模式分析 | 第14-15页 |
| ·电力系统规划与设计 | 第15页 |
| ·电力系统负荷预测分析 | 第15页 |
| ·调度经济运行 | 第15-16页 |
| ·电力市场用户特征分析 | 第16页 |
| ·电力市场报价策略分析 | 第16-17页 |
| ·本文工作 | 第17-18页 |
| 第二章 基于学习方法的特征选择 | 第18-30页 |
| ·问题的提出 | 第18-19页 |
| ·特征选择问题的研究现状 | 第19-25页 |
| ·前向选择 (Forward Selection) | 第19-20页 |
| ·Efroymson’s algorithm | 第20-21页 |
| ·后向消除 (Backward elimination) | 第21页 |
| ·最小化PRESS方法 | 第21-22页 |
| ·AIC Method | 第22-23页 |
| ·主成分分析 | 第23-24页 |
| ·决策树 | 第24页 |
| ·神经网络 | 第24-25页 |
| ·遗传算法 | 第25页 |
| ·衡量模型优劣的常用指标 | 第25-26页 |
| ·实际算例 | 第26-28页 |
| ·必要的假设与前提条件 | 第28-30页 |
| 第三章 短期负荷的特征提取与预测 | 第30-40页 |
| ·短期负荷预测问题概述和研究现状 | 第30-31页 |
| ·仅包含连续变量时短期负荷的特征选择 | 第31-35页 |
| ·数据搜集 | 第32页 |
| ·特征提取的过程 | 第32-33页 |
| ·所提取特征的分析 | 第33-34页 |
| ·基于提取特征的预测 | 第34-35页 |
| ·同时包含连续变量和离散变量时的特征选择 | 第35-38页 |
| ·数据搜集与离散变量的处理 | 第35-36页 |
| ·特征提取的过程 | 第36-37页 |
| ·所提取特征的分析 | 第37-38页 |
| ·基于提取特征的预测 | 第38页 |
| ·对特征选择的讨论 | 第38-40页 |
| 第四章 线损估计特征阶次的确定 | 第40-53页 |
| ·线损估计问题概述和研究现状 | 第40-42页 |
| ·线损估计问题的样本生成方法 | 第42-45页 |
| ·算例系统描述 | 第42-43页 |
| ·线损样本的生成 | 第43-45页 |
| ·全系统线损的特征提取与定阶 | 第45-48页 |
| ·全系统线损相关特征的定阶方法 | 第45-47页 |
| ·特征提取与定阶的检验 | 第47-48页 |
| ·单条支路线损的特征提取与定阶 | 第48-51页 |
| ·单条支路上线损相关特征的阶 | 第48-50页 |
| ·特征提取与定阶结果的分析 | 第50-51页 |
| ·特征提取与定阶的检验 | 第51页 |
| ·其他应该考虑的问题 | 第51-53页 |
| 第五章 电价预测特征选取 | 第53-63页 |
| ·电价预测问题概述和研究现状 | 第53-55页 |
| ·电价预测的候选特征描述 | 第55-56页 |
| ·数据描述 | 第55-56页 |
| ·无人工干预的特征选择 | 第56-59页 |
| ·特征选择过程 | 第56-57页 |
| ·选择特征的分析 | 第57-58页 |
| ·选择特征的预测效果 | 第58-59页 |
| ·有人工干预的特征选择 | 第59-62页 |
| ·特征选择过程 | 第59-61页 |
| ·特征选择的应用效果 | 第61-62页 |
| ·本章小结 | 第62-63页 |
| 第六章 结论 | 第63-65页 |
| 参考文献 | 第65-70页 |
| 致 谢 | 第70页 |
| 声 明 | 第70-71页 |
| 在学期间的研究成果及发表的学术论文 | 第71页 |