| 致谢 | 第1-6页 |
| 中文摘要 | 第6-7页 |
| ABSTRACT | 第7-13页 |
| 1 绪论 | 第13-23页 |
| ·电力市场简介 | 第13-18页 |
| ·电力市场的几个基本概念 | 第13-14页 |
| ·国外电力市场改革的进程 | 第14-17页 |
| ·我国电力市场建设的现状 | 第17-18页 |
| ·电力市场中研究电价预测的意义 | 第18-20页 |
| ·电价预测方法研究的现状 | 第20-21页 |
| ·本文的主要工作 | 第21-23页 |
| 2 电价的基本理论及电价预测 | 第23-37页 |
| ·电价的基本理论 | 第23-26页 |
| ·电价的形成 | 第23-24页 |
| ·电价的制定原则及分类 | 第24-25页 |
| ·电价的影响因素 | 第25-26页 |
| ·电力市场价格预测的研究 | 第26-29页 |
| ·预测的理论知识 | 第27-28页 |
| ·电价预测的分类 | 第28-29页 |
| ·电价预测的特点 | 第29页 |
| ·电价预测中几个基本问题的分析 | 第29-32页 |
| ·电价预测基础数据的预处理 | 第29-30页 |
| ·电价预测中输入影响因素的选择 | 第30-31页 |
| ·电价预测中考虑“重近轻远”原则 | 第31页 |
| ·电价预测评价标准指标 | 第31-32页 |
| ·预测源数据的统计分析 | 第32-35页 |
| ·本章小结 | 第35-37页 |
| 3 电价预测的三个单一电价预测模型 | 第37-57页 |
| ·累积式自回归-滑动平均(ARIMA)电价预测模型 | 第37-43页 |
| ·ARIMA预测模型的概念及组成 | 第37-38页 |
| ·ARIMA预测模型的基本原理 | 第38-41页 |
| ·算例分析 | 第41-43页 |
| ·基于减法聚类的自适应模糊神经网络电价预测模型 | 第43-50页 |
| ·减法聚类的概念、功能和基本原理 | 第44-45页 |
| ·自适应模糊神经网络的概念及意义 | 第45页 |
| ·自适应模糊神经网络预测模型的基本原理 | 第45-48页 |
| ·算例分析 | 第48-50页 |
| ·基于残差周期修正的灰色电价预测模型 | 第50-56页 |
| ·灰色预测理论及数据预处理 | 第51页 |
| ·传统GM(1，1)模型及其改进 | 第51-54页 |
| ·残差周期修正灰色预测模型 | 第54页 |
| ·算例分析 | 第54-56页 |
| ·本章小结 | 第56-57页 |
| 4 自组织数据挖掘组合预测模型在电价预测中的应用 | 第57-73页 |
| ·自组织数据挖掘组合预测方法的理论基础 | 第57-62页 |
| ·组合预测方法简介 | 第57-58页 |
| ·自组织数据挖掘理论及其基本思想 | 第58-62页 |
| ·自组织数据挖掘组合预测模型的基本原理 | 第62-67页 |
| ·自组织数据挖掘组合预测方法的计算步骤 | 第63-64页 |
| ·自组织数据挖掘组合预测的核心—数据处理方法 | 第64-65页 |
| ·自组织数据挖掘组合预测方法的选择准则 | 第65-67页 |
| ·自组织数据挖掘组合预测方法的优点 | 第67-70页 |
| ·与人工神经网络方法的比较 | 第67-69页 |
| ·与回归分析方法的比较 | 第69-70页 |
| ·算例分析 | 第70-72页 |
| ·本章小结 | 第72-73页 |
| 5 电力市场中电价预测系统的设计与实现 | 第73-85页 |
| ·系统开发环境介绍 | 第73-75页 |
| ·系统的开发软件—MATLAB软件 | 第73-74页 |
| ·系统的数据管理—SPSS软件 | 第74-75页 |
| ·电价预测系统的功能设计 | 第75-77页 |
| ·系统的设计与实现 | 第77-83页 |
| ·GUI可视化界面设计 | 第77-80页 |
| ·SPSS数据管理功能 | 第80-81页 |
| ·MATLAB软件与SPSS软件的接口 | 第81-82页 |
| ·系统的实现及预测结果的显示 | 第82-83页 |
| ·本章小结 | 第83-85页 |
| 6 结论与展望 | 第85-87页 |
| ·全文总结 | 第85-86页 |
| ·进一步的研究方向 | 第86-87页 |
| 参考文献 | 第87-91页 |
| 附录 A | 第91-92页 |
| 附录 B | 第92-93页 |
| 作者简历 | 第93-95页 |
| 学位论文数据集 | 第95页 |