| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 目录 | 第8-12页 |
| 图表目录 | 第12-14页 |
| 第一章 绪论 | 第14-29页 |
| 1．1 概述 | 第14-15页 |
| 1．2 短期电力负荷预测的发展和现状 | 第15-20页 |
| 1．2．1 短期电力负荷预测的发展过程 | 第15页 |
| 1．2．2 短期电力负荷预测的传统方法 | 第15-16页 |
| 1．2．3 短期电力负荷预测的研究现状 | 第16-20页 |
| 1．3 数据挖掘 | 第20-24页 |
| 1．3．1 数据挖掘定义 | 第20-21页 |
| 1．3．2 常用数据挖掘算法 | 第21-24页 |
| 1．4 本文的主要工作 | 第24-26页 |
| 参考文献： | 第26-29页 |
| 第二章 基于离群数据挖掘的负荷数据预处理 | 第29-48页 |
| 2．1 引言 | 第29-30页 |
| 2．2 离群数据挖掘算法比较 | 第30-34页 |
| 2．2．1 基于统计的方法 | 第30-31页 |
| 2．2．2 基于聚类的方法 | 第31-33页 |
| 2．2．3 基于人工神经网络的方法 | 第33-34页 |
| 2．3 基于CURE的电力负荷离群数据挖掘算法 | 第34-41页 |
| 2．3．1 CURE算法的基本步骤 | 第34-35页 |
| 2．3．2 对CURE算法进行改进的几个基本点 | 第35页 |
| 2．3．3 信息论的基本概念 | 第35-37页 |
| 2．3．4 电力负荷异常数据辨识 | 第37-40页 |
| 2．3．5 异常数据修正 | 第40-41页 |
| 2．4 基于离群数据挖掘的电力负荷数据校正 | 第41-44页 |
| 2．4．1 数据集的产生 | 第42页 |
| 2．4．2 基本参数选择 | 第42页 |
| 2．4．3 算法性能比较 | 第42-44页 |
| 2．5 小结 | 第44-45页 |
| 参考文献： | 第45-48页 |
| 第三章 电力负荷模式分类 | 第48-63页 |
| 3．1 概述 | 第48-49页 |
| 3．2 负荷模式 | 第49-52页 |
| 3．2．1 电力负荷模式分析 | 第49-50页 |
| 3．2．2 影响负荷水平的气象条件 | 第50-52页 |
| 3．3 基于模糊规则的分类系统 | 第52-56页 |
| 3．3．1 电力负荷模式类别定义 | 第54-55页 |
| 3．3．2 模糊规则的生成 | 第55-56页 |
| 3．3．3 模糊推理 | 第56页 |
| 3．4 基于模糊规则的分类系统面临的问题 | 第56-57页 |
| 3．5 小结 | 第57-58页 |
| 参考文献： | 第58-63页 |
| 第四章 基于多目标遗传分类优化算法的电力负荷预测 | 第63-87页 |
| 4．1 多目标优化问题 | 第63-67页 |
| 4．1．1 多目标优化问题的基本定义 | 第64页 |
| 4．1．2 遗传算法 | 第64-66页 |
| 4．1．3 遗传算法与多目标优化 | 第66-67页 |
| 4．2 常见多目标优化算法 | 第67-71页 |
| 4．2．1 多目标优化算法的分类 | 第67-68页 |
| 4．2．2 各种多目标优化算法的基本特点 | 第68-71页 |
| 4．3 基于多目标遗传优化算法的分类系统 | 第71-77页 |
| 4．3．1 关联规则挖掘 | 第72页 |
| 4．3．2 启发式规则选择 | 第72-74页 |
| 4．3．3 基于多目标遗传优化算法的模糊规则寻优计算 | 第74-77页 |
| 4．4 基于多目标遗传优化的电力负荷模式分类实例分析 | 第77-84页 |
| 4．4．1 基本参数设置 | 第77-78页 |
| 4．4．2 分类性能分析 | 第78-82页 |
| 4．4．3 负荷预测性能比较 | 第82-84页 |
| 4．5 小结 | 第84-85页 |
| 参考文献： | 第85-87页 |
| 第五章 基于粗糙模糊神经网络的短期电力负荷预测 | 第87-113页 |
| 5．1 概述 | 第87-88页 |
| 5．2 粗糙集理论基础 | 第88-93页 |
| 5．2．1 信息系统 | 第88-89页 |
| 5．2．2 不可分辨关系 | 第89页 |
| 5．2．3 集合的近似 | 第89-90页 |
| 5．2．4 近似的度量 | 第90页 |
| 5．2．5 辨别矩阵和辨别函数 | 第90-91页 |
| 5．2．6 属性的约简和核 | 第91页 |
| 5．2．7 属性的相对约简 | 第91-92页 |
| 5．2．8 属性的依赖度和重要性 | 第92页 |
| 5．2．9 决策规则 | 第92-93页 |
| 5．3 基于粗糙集理论的负荷预测模型 | 第93-99页 |
| 5．3．1 相关因素的确定 | 第94-95页 |
| 5．3．2 属性约简 | 第95-99页 |
| 5．4 粗糙模糊神经网络 | 第99-108页 |
| 5．4．1 模糊神经网络 | 第99-100页 |
| 5．4．2 粗糙集与模糊集 | 第100-102页 |
| 5．4．3 粗糙集与神经网络 | 第102-103页 |
| 5．4．4 粗糙模糊神经网络设计 | 第103-108页 |
| 5．5 小结 | 第108-109页 |
| 参考文献： | 第109-113页 |
| 第六章 短期电力负荷预测实例分析 | 第113-122页 |
| 6．1 最佳约简集计算 | 第113-114页 |
| 6．2 根据最佳约简集建立决策规则 | 第114-117页 |
| 6．3 神经网络输入矢量 | 第117页 |
| 6．4 神经网络输出矢量 | 第117-118页 |
| 6．5 算法性能分析 | 第118-121页 |
| 6．6 小结 | 第121-122页 |
| 第七章 本文主要结果总结 | 第122-124页 |
| 作者攻读博士学位期间发表的有关学术论文 | 第124-125页 |
| 致谢 | 第125页 |