| 摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 课题研究的背景 | 第10页 |
| 1.2 电量预测的国内外研究现状 | 第10-13页 |
| 1.2.1 传统预测方法 | 第11页 |
| 1.2.2 现代电量预测方法 | 第11-13页 |
| 1.3 选题来源及内容 | 第13-14页 |
| 1.4 本文所做的主要工作 | 第14-15页 |
| 第二章 典型行业分类及主导因素分析 | 第15-24页 |
| 2.1 行业分类及特点 | 第15-16页 |
| 2.2 各个行业用电量分析 | 第16-19页 |
| 2.2.1 行业用电量占比情况 | 第16-17页 |
| 2.2.2 行业用电量逐年的变化情况 | 第17-18页 |
| 2.2.3 针对各个行业的耗电量特性分析 | 第18-19页 |
| 2.3 行业耗电量相关性分析 | 第19-23页 |
| 2.3.1 经济发展因素 | 第19-21页 |
| 2.3.2 气象因素影响 | 第21-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第三章 基于分数阶算子的商业灰色电量预测 | 第24-34页 |
| 3.1 分数阶算子简介 | 第24页 |
| 3.2 分数阶算子原理 | 第24-27页 |
| 3.2.1 分数阶算子 | 第24-25页 |
| 3.2.2 分数阶算子下的灰色系统预测模型 | 第25-27页 |
| 3.3 分数阶算子中最优阶数的确定 | 第27页 |
| 3.4 粒子群算法基本理论 | 第27-29页 |
| 3.4.1 粒子群优化算法提出与发展 | 第27页 |
| 3.4.2 粒子群优化的算法与结构 | 第27-29页 |
| 3.4.3 粒子群优化算法的优点 | 第29页 |
| 3.5 基于分数阶算子的灰色电量预测模型的基本流程 | 第29-30页 |
| 3.6 算例分析 | 第30-33页 |
| 3.7 本章小结 | 第33-34页 |
| 第四章 基于多元回归模型下的工业电量预测 | 第34-43页 |
| 4.1 回归模型简介 | 第34-35页 |
| 4.1.1 一元线性回归模型 | 第34页 |
| 4.1.2 多元线性回归模型 | 第34-35页 |
| 4.1.3 回归模型应用于预测 | 第35页 |
| 4.2 行业同影响因素的相关性分析 | 第35-36页 |
| 4.2.1 相关性分析的基本的概念与研究 | 第35页 |
| 4.2.2 相关性分析与检验 | 第35-36页 |
| 4.2.3 介绍SPSS软件 | 第36页 |
| 4.3 基于回归模型下的电量预测 | 第36-37页 |
| 4.3.1 多种影响因素的选取与筛选 | 第36页 |
| 4.3.2 多元回归预测模型建立 | 第36-37页 |
| 4.4 算例 | 第37-42页 |
| 4.5 本章小结 | 第42-43页 |
| 第五章 基于时间序列分析的居民电量预测模型 | 第43-50页 |
| 5.1 时间序列法 | 第43页 |
| 5.2 时间序列分解法 | 第43-45页 |
| 5.3 月度趋势模型 | 第45-46页 |
| 5.4 预测的基本流程 | 第46-47页 |
| 5.5 算例分析 | 第47-49页 |
| 5.6 本章小结 | 第49-50页 |
| 第六章 全文总结 | 第50-52页 |
| 6.1 主要结论 | 第50-51页 |
| 6.2 研究展望 | 第51-52页 |
| 参考文献 | 第52-55页 |
| 致谢 | 第55页 |