| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题研究意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.3 本文研究内容 | 第14-15页 |
| 1.4 论文结构安排 | 第15-16页 |
| 第2章 时间序列分析基础 | 第16-28页 |
| 2.1 引言 | 第16页 |
| 2.2 单变量时间序列模型 | 第16-26页 |
| 2.2.1 滑动平均和平滑模型 | 第16-19页 |
| 2.2.2 自回归模型 | 第19页 |
| 2.2.3 滑动平均模型 | 第19-20页 |
| 2.2.4 博克思-詹金斯模型 | 第20-26页 |
| 2.3 向量时间序列模型 | 第26-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第3章 考虑时空关联性的电力系统状态预测 | 第28-42页 |
| 3.1 引言 | 第28页 |
| 3.2 状态预测模型介绍 | 第28-32页 |
| 3.3 时空关联性数据产生 | 第32-34页 |
| 3.4 状态预测模型构建 | 第34-38页 |
| 3.5 仿真实验及结果分析 | 第38-41页 |
| 3.6 本章小结 | 第41-42页 |
| 第4章 考虑时空关联性的预测辅助状态估计 | 第42-57页 |
| 4.1 引言 | 第42页 |
| 4.2 预测辅助状态估计算法 | 第42-44页 |
| 4.3 基于扩展卡尔曼滤波的预测辅助状态估计 | 第44-46页 |
| 4.4 基于无迹卡尔曼滤波的预测辅助状态估计 | 第46-49页 |
| 4.4.1 无迹卡尔曼滤波原理 | 第46-48页 |
| 4.4.2 无迹卡尔曼滤波预测辅助状态估计算法描述 | 第48-49页 |
| 4.5 仿真实验及结果分析 | 第49-56页 |
| 4.6 本章小结 | 第56-57页 |
| 总结与展望 | 第57-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-65页 |
| 附录 | 第65-66页 |
| 附录1 | 第65-66页 |
| 附录2 | 第66页 |