| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 第1章 绪论 | 第8-17页 |
| 1.1 短期负荷预测的目的与意义 | 第8-9页 |
| 1.1.1 负荷预测是关系国计民生的大事 | 第8-9页 |
| 1.1.2 负荷预测保证国民经济有计划按比例地发展 | 第9页 |
| 1.1.3 负荷预测是电力工业企业各项计划的基础 | 第9页 |
| 1.2 短期负荷预测的国内外研究综述 | 第9-16页 |
| 1.3 本文所完成的主要工作 | 第16-17页 |
| 第2章 短期负荷预测原理和主要问题分析 | 第17-20页 |
| 2.1 预测的起源 | 第17页 |
| 2.2 短期负荷预测原理 | 第17-18页 |
| 2.2.1 一般原理 | 第17-18页 |
| 2.2.2 基本原则 | 第18页 |
| 2.2.3 基本要求 | 第18页 |
| 2.3 短期负荷预测遵循理念 | 第18-19页 |
| 2.4 短期负荷预测存在的问题 | 第19页 |
| 2.5 本章小结 | 第19-20页 |
| 第3章 数据挖掘理论及负荷影响因素 | 第20-32页 |
| 3.1 数据挖掘的用途 | 第20页 |
| 3.2 数据挖掘的流程 | 第20-21页 |
| 3.3 数据挖掘的步骤 | 第21-23页 |
| 3.4 数据挖掘在电力负荷预测中的分类、预测过程 | 第23-25页 |
| 3.5 数据挖掘中相关算法 | 第25-27页 |
| 3.5.1 多元线性回归 | 第25页 |
| 3.5.2 逐步线性回归 | 第25-26页 |
| 3.5.3 神经网络 | 第26-27页 |
| 3.6 对负荷的相关影响因素 | 第27-29页 |
| 3.6.1 PM2.5 及其对负荷的影响 | 第27-28页 |
| 3.6.2 温度对负荷预测的影响 | 第28页 |
| 3.6.3 历史负荷对负荷预测的影响 | 第28-29页 |
| 3.7 算例数据 | 第29-31页 |
| 3.8 本章小结 | 第31-32页 |
| 第4章 回归分析预测模型 | 第32-41页 |
| 4.1 引言 | 第32页 |
| 4.2 数据的标准化处理 | 第32-34页 |
| 4.2.1 数据的中心化处理 | 第32-33页 |
| 4.2.2 数据的无量纲化处理 | 第33页 |
| 4.2.3 数据的标准化处理 | 第33-34页 |
| 4.3 多元线性回归 | 第34-37页 |
| 4.4 逐步回归 | 第37-40页 |
| 4.5 本章小结 | 第40-41页 |
| 第5章 层次分析法（AHP）评价模型 | 第41-47页 |
| 5.1 引言 | 第41页 |
| 5.2 层次分析法的基本原理与步骤 | 第41-43页 |
| 5.3 建立层次分析评价体系 | 第43-46页 |
| 5.4 本章小结 | 第46-47页 |
| 第6章 基于模拟退火的人工神经网络模型 | 第47-58页 |
| 6.1 BP 神经网络 | 第47-51页 |
| 6.1.1 BP 神经网络概述 | 第47-49页 |
| 6.1.2 归一化方法 | 第49页 |
| 6.1.3 隐含层节点数确定 | 第49-50页 |
| 6.1.4 附加动量方法 | 第50页 |
| 6.1.5 变速率学习 | 第50-51页 |
| 6.2 模拟退火 | 第51-52页 |
| 6.3 SA-ANN 模型的建立 | 第52-57页 |
| 6.3.1 ANN 模型的建立 | 第52-53页 |
| 6.3.2 SA-ANN 模型的构造 | 第53-54页 |
| 6.3.3 SA-ANN 模型的算法流程 | 第54-55页 |
| 6.3.4 SA-ANN 模型的结果 | 第55-57页 |
| 6.4 结果分析比较 | 第57页 |
| 6.5 本章小结 | 第57-58页 |
| 第7章 结论和展望 | 第58-60页 |
| 7.1 结论 | 第58页 |
| 7.2 展望 | 第58-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-63页 |
| 附录 预测算例 | 第63-68页 |
| 攻读学位期间的研究成果 | 第68页 |