基于数据挖掘的电力系统短期负荷预测研究
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 1 绪论 | 第8-17页 |
| ·电力短期负荷预测的意义与目的 | 第8-9页 |
| ·电力系统负荷预测的基本理论 | 第9-12页 |
| ·电力系统负荷预测的概念和分类 | 第9页 |
| ·影响电力负荷的因素 | 第9-11页 |
| ·电力系统短期负荷预测的特点 | 第11-12页 |
| ·电力系统短期负荷预测的基本步骤 | 第12页 |
| ·国内外研究现状及发展趋势 | 第12-16页 |
| ·传统预测方法 | 第13-14页 |
| ·人工智能预测方法 | 第14-16页 |
| ·组合预测方法 | 第16页 |
| ·本文的主要工作 | 第16-17页 |
| 2 数据挖掘的基本理论 | 第17-32页 |
| ·数据挖掘的概念和功能 | 第17-18页 |
| ·数决挖掘的过程 | 第18-19页 |
| ·数据挖掘常用算法及其在负荷预测中的应用 | 第19-21页 |
| ·数据挖掘常用算法 | 第19-20页 |
| ·数据挖掘在短期负荷预测中的应用 | 第20-21页 |
| ·聚类分析 | 第21-22页 |
| ·划分聚类 | 第21页 |
| ·层次聚类 | 第21页 |
| ·密度聚类 | 第21-22页 |
| ·网格聚类 | 第22页 |
| ·模型聚类 | 第22页 |
| ·数据分类与决策树 | 第22-32页 |
| ·数据分类的概念和步骤 | 第22-23页 |
| ·决策树的概念与特点 | 第23-25页 |
| ·决策树算法过程 | 第25-27页 |
| ·常用的决策树算法 | 第27-32页 |
| 3 数据预处理 | 第32-42页 |
| ·数据误差来源 | 第32-33页 |
| ·坏数据的辨识与调整 | 第33-42页 |
| ·坏数据辨识与调整的基本思想 | 第33-34页 |
| ·基于聚类分析的特征曲线提取 | 第34-38页 |
| ·基于特征曲线的坏数据检测与调整 | 第38页 |
| ·实例分析 | 第38-42页 |
| 4 数据挖掘的短期负荷预测 | 第42-66页 |
| ·短期负荷的模式分析 | 第42-46页 |
| ·小波变换的负荷分量分解 | 第46-50页 |
| ·小波分析简介 | 第46-48页 |
| ·基于小波技术的负荷分量分解 | 第48-50页 |
| ·基荷分量的回归分析预测 | 第50-52页 |
| ·回归分析预测原理 | 第50-51页 |
| ·回归模型建立步骤 | 第51-52页 |
| ·基于决策树的天气及日期敏感分量预测 | 第52-57页 |
| ·训练样本集的选取 | 第52-53页 |
| ·构建决策树 | 第53-57页 |
| ·影响因素与负荷分量关系式的确定 | 第57页 |
| ·预测结果分析 | 第57-66页 |
| ·负荷预测的误差指标 | 第57-58页 |
| ·贵州省实际负荷预测结果分析 | 第58-66页 |
| 5 短期负荷预测系统设计与实现 | 第66-72页 |
| ·开发工具及数据库的选择 | 第66页 |
| ·系统结构及功能 | 第66-68页 |
| ·界面设计 | 第68-72页 |
| 结论 | 第72-73页 |
| 参考文献 | 第73-76页 |
| 攻读硕士学位期间发表学术论文情况 | 第76-77页 |
| 致谢 | 第77-78页 |
