| 中文摘要 | 第1-4页 |
| Abstract | 第4-9页 |
| 第1章 绪论 | 第9-19页 |
| ·电力系统负荷预测 | 第9-12页 |
| ·电力系统负荷 | 第9-11页 |
| ·电力系统负荷预测介绍 | 第11-12页 |
| ·电力系统短期负荷预测的目的和意义 | 第12页 |
| ·国内外研究现状以及研究思路 | 第12-17页 |
| ·经典预测方法 | 第13-14页 |
| ·现代预测方法 | 第14-17页 |
| ·本文的主要成果 | 第17-19页 |
| ·本文算法研究主要成果 | 第17-18页 |
| ·本文软件开发主要成果 | 第18-19页 |
| 第2章 外推决策树短期负荷预测算法 | 第19-31页 |
| ·引言 | 第19页 |
| ·负荷分量 | 第19-21页 |
| ·负荷的各种分量 | 第19-20页 |
| ·长期增长分量以及基本分量 | 第20-21页 |
| ·决策树技术 | 第21-22页 |
| ·数据挖掘技术简介 | 第21页 |
| ·决策树生长过程 | 第21-22页 |
| ·决策树剪枝过程 | 第22页 |
| ·决策树模型的建立 | 第22-24页 |
| ·负荷影响因素 | 第22-23页 |
| ·负荷影响因素与负荷之间的回归树模型 | 第23-24页 |
| ·外推预测方法 | 第24-25页 |
| ·外推预测方法原理 | 第24-25页 |
| ·基于指数权重的多点外推预测方法 | 第25页 |
| ·外推方法和决策树技术的结合 | 第25-26页 |
| ·算法实际运行结果 | 第26-28页 |
| ·算例分析 | 第28页 |
| ·外推决策树算法结论与存在问题 | 第28-31页 |
| 第3章 基于相似点的短期负荷预测方法 | 第31-43页 |
| ·引言 | 第31-32页 |
| ·基于决策树技术的相似点类别划分 | 第32-34页 |
| ·负荷点、属性向量、属性空间 | 第32-33页 |
| ·基于决策树技术的负荷点分类方法 | 第33-34页 |
| ·遗传算法 | 第34-35页 |
| ·遗传算法介绍 | 第34页 |
| ·遗传算法基本概念 | 第34-35页 |
| ·基于遗传算法的最优属性映射 | 第35-40页 |
| ·加权属性向量，加权相似度，属性映射表 | 第35-36页 |
| ·基于遗传算法的最优属性映射 | 第36-40页 |
| ·相似专家系统与预测 | 第40-41页 |
| ·基于决策树技术与遗传算法的相似专家系统 | 第40页 |
| ·预测流程 | 第40-41页 |
| ·算例分析 | 第41页 |
| ·相似点算法结论 | 第41-43页 |
| 第4章 基于Java2 平台的短期负荷预测系统的设计与实现 | 第43-57页 |
| ·引言 | 第43页 |
| ·短期负荷预测系统需求分析 | 第43-45页 |
| ·短期负荷预测系统的特点 | 第43-44页 |
| ·短期负荷预测系统功能分析 | 第44-45页 |
| ·跨越操作系统平台的差异性 | 第45-46页 |
| ·Java 介绍 | 第46页 |
| ·短期负荷预测系统的开发与 J2SE | 第46页 |
| ·短期负荷预测系统的架构设计 | 第46-51页 |
| ·软件设计耦合与解耦 | 第47-48页 |
| ·数据存取接口 | 第48-49页 |
| ·外部系统接口 | 第49-50页 |
| ·算法引擎接口 | 第50-51页 |
| ·省地一体化短期负荷预测系统 | 第51-54页 |
| ·省地一体化介绍 | 第51页 |
| ·硬件解决方案 | 第51-52页 |
| ·软件解决方案 | 第52-54页 |
| ·本章结论 | 第54-57页 |
| 第5章 Hibernate 技术与持久层设计 | 第57-67页 |
| ·引言 | 第57-58页 |
| ·持久层的设计 | 第58-62页 |
| ·持久层介绍 | 第58-59页 |
| ·持久层设计与解耦思想演进示例 | 第59-62页 |
| ·跨越数据库系统的差异性 | 第62-65页 |
| ·Hibernate 技术介绍 | 第62-63页 |
| ·短期负荷预测系统持久层设计 | 第63-65页 |
| ·短期负荷预测系统持久层开发取得的成果 | 第65-67页 |
| 第6章 结论和展望 | 第67-69页 |
| 参考文献 | 第69-74页 |
| 致谢 | 第74-77页 |
| 个人简历、在学期间发表的学术论文与研究成果 | 第77-75页 |