| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第14-26页 |
| 1.1 研究背景与意义 | 第14-17页 |
| 1.2 国内外研究现状 | 第17-24页 |
| 1.2.1 负荷预测研究 | 第17-19页 |
| 1.2.2 负荷模型建立及参数预测研究 | 第19-21页 |
| 1.2.3 电网设备故障概率预测研究 | 第21-24页 |
| 1.3 本文主要工作 | 第24-26页 |
| 第2章 动态相似与静态相似相结合的短期负荷预测 | 第26-36页 |
| 2.1 概述 | 第26-27页 |
| 2.2 动态相似序列取方法及应用 | 第27-29页 |
| 2.2.1 动态相似序列含义 | 第27-28页 |
| 2.2.2 动态相似序列选取方法 | 第28-29页 |
| 2.2.3 动态相似序列的应用 | 第29页 |
| 2.3 静态相似日选取方法及应用 | 第29-31页 |
| 2.3.1 静态相似日选取方法 | 第29-30页 |
| 2.3.2 静态相似日方法的应用 | 第30-31页 |
| 2.4 动、静态相似组合应用 | 第31-32页 |
| 2.5 算例分析 | 第32-35页 |
| 2.5.1 节假日第一天负荷预测 | 第32-33页 |
| 2.5.2 连续高温负荷预测 | 第33-34页 |
| 2.5.3 预测误差验证 | 第34-35页 |
| 2.6 本章小结 | 第35-36页 |
| 第3章 短期负荷模型预测 | 第36-57页 |
| 3.1 概述 | 第36-37页 |
| 3.2 负荷模型的选择 | 第37-38页 |
| 3.3 负荷模型预测算法的选择 | 第38-39页 |
| 3.4 负荷模型预测步骤 | 第39-42页 |
| 3.4.1 历史日负荷模型结构及参数辨识 | 第39-41页 |
| 3.4.2 BP神经网络预测模型设计 | 第41-42页 |
| 3.4.3 预测过程 | 第42页 |
| 3.5 负荷模型预测的灵敏度分析 | 第42-43页 |
| 3.6 负荷模型预测算例分析 | 第43-47页 |
| 3.6.1 待测日负荷预测 | 第44-45页 |
| 3.6.2 待测日负荷模型参数预测 | 第45-46页 |
| 3.6.3 灵敏度分析 | 第46-47页 |
| 3.7 基于负荷模型预测的有序用电 | 第47-56页 |
| 3.7.1 基于负荷模型的有序用电优化方案 | 第48-52页 |
| 3.7.2 有序用电恢复供电方案 | 第52-54页 |
| 3.7.3 基于负荷模型的有序用电优化算例分析 | 第54-56页 |
| 3.8 本章小结 | 第56-57页 |
| 第4章 基于不确定性理论分析的电力设备故障概率预测 | 第57-81页 |
| 4.1 概述 | 第57-58页 |
| 4.2 电网设备故障预测影响因素 | 第58-63页 |
| 4.2.1 常规影响设备故障率因素 | 第58-61页 |
| 4.2.2 本文故障概率预测新考虑的因素 | 第61-63页 |
| 4.3 输电线路故障概率预测 | 第63-66页 |
| 4.3.1 自回归滑动平均模型 | 第63-65页 |
| 4.3.2 基于SPSS分析的ARMA模型辨识 | 第65-66页 |
| 4.3.3 基于ARMA分析的输电线路故障预测模型 | 第66页 |
| 4.4 变压器故障预测研究 | 第66-72页 |
| 4.4.1 变压器油中气体溶解对故障类型的影响分析 | 第67-69页 |
| 4.4.2 非等间隔GM(1,1)幂模型灰色预测 | 第69-70页 |
| 4.4.3 基于遗传算法的GM(1,1)幂模型参数优化 | 第70-72页 |
| 4.5 算例分析 | 第72-79页 |
| 4.5.1 电网输电线路故障概率预测算例及分析 | 第72-77页 |
| 4.5.2 电网变压器故障预测算例及分析 | 第77-79页 |
| 4.6 本章小结 | 第79-81页 |
| 结论与展望 | 第81-83页 |
| 参考文献 | 第83-95页 |
| 致谢 | 第95-96页 |
| 附录A 攻读博士学位期间取得的研究成果 | 第96-98页 |
| 附录B 攻读博士学位期间参与的科研项目 | 第98-99页 |
| 附录C 算例节点系统参数 | 第99页 |
