| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 1 绪论 | 第7-11页 |
| ·论文的研究意义与目的 | 第7-8页 |
| ·短期负荷预测研究现状 | 第8-10页 |
| ·论文所做的主要工作及各章内容安排 | 第10-11页 |
| 2 负荷特性分析 | 第11-16页 |
| ·负荷的内在特性 | 第11-13页 |
| ·负荷变化的年周期性 | 第11-12页 |
| ·负荷变化的周周期性 | 第12页 |
| ·负荷变化的日周期性 | 第12-13页 |
| ·负荷的外在特性 | 第13-15页 |
| ·负荷外在特性的宏观特性 | 第14页 |
| ·负荷外在特性的微观特性 | 第14-15页 |
| ·小结 | 第15-16页 |
| 3 时间序列信号的小波分析 | 第16-22页 |
| ·小波分析 | 第16-18页 |
| ·连续小波变换 | 第16页 |
| ·离散小波变换 | 第16-18页 |
| ·多分辨分析 | 第18-20页 |
| ·基本概念 | 第18页 |
| ·多分辨分析 | 第18-20页 |
| ·Mallat算法 | 第20-21页 |
| ·将小波分解用于负荷预测的基本思想 | 第21页 |
| ·小结 | 第21-22页 |
| 4 电力负荷数据处理 | 第22-32页 |
| ·基于自组织映射网络(SOM)的负荷日类型分析 | 第22-26页 |
| ·SOM网络基本知识 | 第22-24页 |
| ·SOM学习算法 | 第24-25页 |
| ·实验结果 | 第25-26页 |
| ·基于小波技术消除历史不良数据 | 第26-31页 |
| ·对冲击负荷造成的不良数据的处理 | 第26-29页 |
| ·对随机干扰数据的处理 | 第29-31页 |
| ·小结 | 第31-32页 |
| 5 基于神经网络(ANN)的负荷预测 | 第32-44页 |
| ·神经网络基本理论 | 第32-34页 |
| ·基本知识 | 第32页 |
| ·学习算法(BP算法) | 第32-34页 |
| ·数据的组织及ANN训练 | 第34-43页 |
| ·样本选择 | 第34-35页 |
| ·用于负荷预测的ANN结构 | 第35-39页 |
| ·模型的训练与测试 | 第39-43页 |
| ·小结 | 第43-44页 |
| 6 基于小波变换和神经网络(WVNN)的负荷预测 | 第44-55页 |
| ·基于小波变换和神经网络(WVNN)的负荷预测模型 | 第44-53页 |
| ·基于小波的负荷预测的基本思想 | 第44-45页 |
| ·基于小波的负荷预测的建模 | 第45-46页 |
| ·各分量和重构序列的预测结果 | 第46-53页 |
| ·两种模型比较 | 第53-54页 |
| ·负荷预侧误差指标 | 第53-54页 |
| ·两种预侧模型效果比较 | 第54页 |
| ·小结 | 第54-55页 |
| 7 总结与展望 | 第55-56页 |
| 致谢 | 第56-57页 |
| 攻读硕士学位期间完成论文 | 第57-58页 |
| 参考文献 | 第58-60页 |