| 中文摘要 | 第1-4页 |
| 英文摘要 | 第4-9页 |
| 1 绪论 | 第9-18页 |
| ·配电网规划中的负荷预测的内容和意义 | 第9-10页 |
| ·配电网规划中负荷预测研究现状 | 第10-16页 |
| ·总量负荷预测研究现状 | 第10-14页 |
| ·空间负荷预测研究现状 | 第14-16页 |
| ·本文的主要研究内容 | 第16-18页 |
| 2 配电网空间负荷预测 | 第18-30页 |
| ·引言 | 第18页 |
| ·配电网空间负荷预测的分类 | 第18-20页 |
| ·自上而下的方法：用地仿真法 | 第18-19页 |
| ·自下而上的方法：负荷密度指标法 | 第19-20页 |
| ·配电网空间负荷预测相关因素分析 | 第20-26页 |
| ·小区划分方式 | 第20-21页 |
| ·小区面积 | 第21-22页 |
| ·同时率和负荷曲线 | 第22-23页 |
| ·小区用地类型分类 | 第23-24页 |
| ·小区负荷增长特性 | 第24-25页 |
| ·饱和负荷密度指标 | 第25页 |
| ·城市规划 | 第25-26页 |
| ·负荷密度指标法的关键和难点分析 | 第26-28页 |
| ·负荷密度指标的求取 | 第27-28页 |
| ·同时率的确定 | 第28页 |
| ·本章小结 | 第28-30页 |
| 3 基于 LS-SVM 和负荷密度指标法的空间负荷预测 | 第30-46页 |
| ·引言 | 第30页 |
| ·支持向量机在空间负荷预测中的应用 | 第30-35页 |
| ·支持向量机 | 第31-32页 |
| ·最小二乘支持向量机 | 第32-35页 |
| ·支持向量机在空间负荷预测中的应用 | 第35页 |
| ·模糊C-均值算法(FCM)在空间负荷预测中的应用 | 第35-38页 |
| ·聚类分析方法 | 第35-36页 |
| ·模糊C-均值算法(FCM) | 第36-37页 |
| ·FCM 在空间负荷预测中的应用 | 第37-38页 |
| ·遗传算法在空间负荷预测中的应用 | 第38-39页 |
| ·遗传算法(GA) | 第38页 |
| ·遗传算法在空间负荷预测中的应用 | 第38-39页 |
| ·基于LS-SVM 和负荷密度指标法的空间负荷预测的基本步骤 | 第39-43页 |
| ·建立负荷密度指标体系 | 第39-41页 |
| ·划分小区 | 第41页 |
| ·选择LS-SVM 模型的训练样本 | 第41页 |
| ·预测待预测地块的负荷密度 | 第41-42页 |
| ·负荷总量和空间分布预测 | 第42页 |
| ·空间负荷预测的总体流程 | 第42-43页 |
| ·算例分析 | 第43-45页 |
| ·本章小结 | 第45-46页 |
| 4 基于自适应神经模糊系统的负荷密度指标求取方法 | 第46-59页 |
| ·引言 | 第46页 |
| ·熵权法基本理论 | 第46-48页 |
| ·熵的定义 | 第46页 |
| ·熵权法 | 第46-48页 |
| ·熵权理论在负荷密度指标求取中的应用 | 第48页 |
| ·自适应神经模糊推理系统 | 第48-52页 |
| ·ANFIS 的结构 | 第48-49页 |
| ·ANFIS 的学习算法 | 第49-52页 |
| ·ANFIS 在负荷密度指标求取中的应用 | 第52页 |
| ·基于ANFIS 的负荷密度指标求取新方法的步骤 | 第52-54页 |
| ·负荷密度指标体系的建立 | 第52-53页 |
| ·利用熵权法确定影响因素的权重 | 第53页 |
| ·利用ANFIS 预测待预测地块的负荷密度 | 第53-54页 |
| ·基于改进型ANFIS 的负荷密度指标求取新方法的总体流程 | 第54页 |
| ·算例分析 | 第54-56页 |
| ·两种方法比较 | 第56-57页 |
| ·本章小结 | 第57-59页 |
| 5 结论与展望 | 第59-61页 |
| ·结论 | 第59页 |
| ·展望 | 第59-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-68页 |
| 附录 | 第68页 |
| A. 作者在攻读硕士学位期间发表的论文目录 | 第68页 |
| B. 作者在攻读硕士学位期间参与的科研项目目录 | 第68页 |
