| 摘要 | 第1页 |
| ABSTRACT | 第3-6页 |
| 第一章 绪论 | 第6-11页 |
| ·电力负荷预测的意义和研究背景 | 第6-7页 |
| ·电力负荷预测的发展和研究现状 | 第7-9页 |
| ·论文的主要工作和内容安排 | 第9-11页 |
| 第二章 短期负荷数据的分析 | 第11-18页 |
| ·引言 | 第11页 |
| ·短期负荷的构成和特点 | 第11-12页 |
| ·电力负荷的分类 | 第11页 |
| ·短期负荷的特点 | 第11-12页 |
| ·影响负荷预测精度的因素及误差分析 | 第12-15页 |
| ·影响负荷预测精度的因素 | 第12-14页 |
| ·负荷预测的误差分析 | 第14-15页 |
| ·短期负荷数据的预处理方法 | 第15-17页 |
| ·本章小结 | 第17-18页 |
| 第三章 短期负荷预测的模型分析 | 第18-27页 |
| ·引言 | 第18页 |
| ·经典短期负荷预测方法 | 第18-22页 |
| ·指数平滑法 | 第18-19页 |
| ·回归分析法 | 第19-20页 |
| ·最小二乘法 | 第20-22页 |
| ·人工智能方法在短期负荷预测领域的应用 | 第22-25页 |
| ·人工神经网络法 | 第22-23页 |
| ·支持向量机方法 | 第23-25页 |
| ·各种预测方法优缺点比较 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 第四章 基于核向量回归的短期电力负荷预测模型 | 第27-35页 |
| ·引言 | 第27页 |
| ·人规模样本集及核向量机的基本理论 | 第27-30页 |
| ·基于核向量机的预测模型 | 第30-34页 |
| ·本章小结 | 第34-35页 |
| 第五章 基于粒子群-核向量回归的短期负荷预测系统 | 第35-48页 |
| ·引言 | 第35页 |
| ·基于PSO算法的核向量回归核函数参数优化 | 第35-39页 |
| ·粒子群随机优化算法(PSO)原理 | 第35-37页 |
| ·CVR核向量回归参数 | 第37页 |
| ·基于PSO-CVR的短期负荷预测模型 | 第37-39页 |
| ·基于PSO-CVR的短期负荷预测系统的设计及实验分析 | 第39-42页 |
| ·负荷预测系统功能模块 | 第39-40页 |
| ·数据库设计 | 第40-42页 |
| ·试验介绍及结果分析 | 第42-47页 |
| ·试验用数据样本集的构造 | 第42页 |
| ·试验及结果分析 | 第42-47页 |
| ·本章小结 | 第47-48页 |
| 第六章 结论与展望 | 第48-49页 |
| ·本文的主要工作 | 第48页 |
| ·未来工作的展望 | 第48-49页 |
| 参考文献 | 第49-53页 |
| 致谢 | 第53-54页 |
| 在学期间发表的学术论文和参加科研情况 | 第54页 |