| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-19页 |
| 1.1 预测的概念及意义 | 第9-10页 |
| 1.1.1 预测的概念 | 第9页 |
| 1.1.2 预测的意义 | 第9-10页 |
| 1.2 预测技术在电力负荷预测中的应用 | 第10-12页 |
| 1.3 电力负荷预测研究现状 | 第12-15页 |
| 1.3.1 传统电力负荷预测方法 | 第12-13页 |
| 1.3.2 现代预测方法 | 第13-15页 |
| 1.4 电力负荷预测中的难点问题 | 第15-16页 |
| 1.5 本文主要工作及章节结构 | 第16-19页 |
| 1.5.1 论文的主要工作 | 第16-17页 |
| 1.5.2 论文的章节结构 | 第17-19页 |
| 第二章 相关算法介绍 | 第19-27页 |
| 2.1 小波变换介绍 | 第19-21页 |
| 2.1.1 连续小波变换 | 第19-20页 |
| 2.1.2 离散小波变换 | 第20-21页 |
| 2.2 蚱蜢优化算法介绍 | 第21-22页 |
| 2.3 差分进化算法介绍 | 第22-23页 |
| 2.4 最小二乘支持向量机介绍 | 第23-27页 |
| 第三章 基于小波去噪及差分蚱蜢优化的预测模型 | 第27-39页 |
| 3.1 电力负荷数据去噪 | 第27-28页 |
| 3.2 改进的蚱蜢优化算法(IGOA)介绍 | 第28页 |
| 3.3 基于IGOA优化LSSVM的预测模型 | 第28-30页 |
| 3.4 WS-IGOA-LSSVM组合预测方法介绍 | 第30-32页 |
| 3.5 实验分析与讨论 | 第32-37页 |
| 3.5.1 实验数据集 | 第32-33页 |
| 3.5.2 数据去噪与标准化 | 第33-34页 |
| 3.5.3 相关评价指标介绍 | 第34-35页 |
| 3.5.4 结果分析与讨论 | 第35-37页 |
| 3.6 本章小结 | 第37-39页 |
| 第四章 基于组合核函数的稀疏最小二乘支持向量机预测模型 | 第39-49页 |
| 4.1 最小二乘支持向量机稀疏化 | 第39-40页 |
| 4.2 组合核函数预测方法 | 第40-41页 |
| 4.3 组合模型参数优化方法 | 第41页 |
| 4.4 Mixed-PLSSVM组合预测方法介绍 | 第41-43页 |
| 4.5 实验分析与讨论 | 第43-48页 |
| 4.5.1 实验数据集 | 第43页 |
| 4.5.2 数据相关性分析 | 第43-45页 |
| 4.5.3 结果分析与讨论 | 第45-48页 |
| 4.6 本章小结 | 第48-49页 |
| 第五章 总结与展望 | 第49-51页 |
| 5.1 本文工作总结 | 第49页 |
| 5.2 工作展望 | 第49-51页 |
| 参考文献 | 第51-56页 |
| 在学期间的研究成果 | 第56-57页 |
| 致谢 | 第57页 |