| 摘要 | 第1-4页 |
| ABSTRACT | 第4-9页 |
| 第一章 绪论 | 第9-25页 |
| ·课题的研究意义及背景 | 第9-12页 |
| ·电力负荷预测技术的研究现状 | 第12-22页 |
| ·电力负荷预测的技术特点和影响因素 | 第13-14页 |
| ·负荷预测算法的国内外研究现状 | 第14-22页 |
| ·本文的主要研究工作及技术要点 | 第22-25页 |
| 第二章 基于阈交理论的电弧炉供电负荷特性分析 | 第25-35页 |
| ·引言 | 第25-27页 |
| ·电弧炉供电系统的阈值初始选取 | 第27页 |
| ·电弧炉供电系统选取不同阈值的方差分析 | 第27-29页 |
| ·对不同阈值的整体方差分析 | 第27-28页 |
| ·对不同阈值的超阈值数据方差分析 | 第28-29页 |
| ·运用g(u ) 函数及N_x(u ) 函数来确定阈值 | 第29-32页 |
| ·电弧炉供电系统阈值的穿越强度分析 | 第32-33页 |
| ·本章结论与小结 | 第33-35页 |
| 第三章 灰色预测、神经网络预测与基于相空间变换的灰色神经网络G-G-NN算法研究 | 第35-60页 |
| ·灰色理论基础 | 第35-36页 |
| ·灰色数据序列的生成 | 第36-38页 |
| ·累加生成 | 第37页 |
| ·累减生成 | 第37-38页 |
| ·级比生成 | 第38页 |
| ·基于GM(1，1)模型的负荷预测算法 | 第38-41页 |
| ·GM(1，1)模型的建立 | 第39-40页 |
| ·GM(1，1)模型精度的校验 | 第40-41页 |
| ·GM(1，1)模型改进与实际算例的研究 | 第41-43页 |
| ·灰色预测中原始数据长度的确定 | 第41-42页 |
| ·灰色模型的残差修正 | 第42页 |
| ·灰色模型的递补新息修正 | 第42-43页 |
| ·人工神经网络BP算法与其在电力负荷预测中应用 | 第43-55页 |
| ·人工神经网络技术BP模型的基本原理 | 第44-46页 |
| ·BP学习算法讨论 | 第46-50页 |
| ·BP模型的改进方法 | 第50-52页 |
| ·BP算法进行电力负荷预测实际算例分析 | 第52-55页 |
| ·基于重建相空间G.P算法的灰色神经网络G-G-NN算法研究 | 第55-58页 |
| ·重建相空间的G.P算法 | 第55页 |
| ·G-G-NN组合算法模型结构及算法实现 | 第55-57页 |
| ·G-G-NN算法的实际案例分析 | 第57-58页 |
| ·本章小结 | 第58-60页 |
| 第四章 基于小波分析和径向基神经网络的STLF算法 | 第60-81页 |
| ·小波分析的基本原理 | 第61-66页 |
| ·小波多分辨率分析 | 第62页 |
| ·二进制正交小波变换的Mallat算法 | 第62-66页 |
| ·Mallat算法的频带分解特点 | 第66页 |
| ·基于径向基函数（RBF）神经网络的短时预测算法 | 第66-73页 |
| ·RBF神经网络原理 | 第67-69页 |
| ·RBF神经网络中的学习方法 | 第69-71页 |
| ·基于RBF网络的STLF算法实例分析 | 第71-73页 |
| ·基于小波神经网络的短期负荷预测算法 | 第73-79页 |
| ·小波分析函数的选取 | 第73-77页 |
| ·对不同尺度下负荷子序列的神经网络预测 | 第77页 |
| ·几种小波神经网络预测算法的比较 | 第77-79页 |
| ·本章小结 | 第79-81页 |
| 第五章 联合聚类与支持向量机的STLF算法研究 | 第81-97页 |
| ·基于支持向量机理论的电力负荷预测 | 第81-87页 |
| ·支持向量回归的基本原理 | 第82-83页 |
| ·支持向量机模型的一般选择原则 | 第83-85页 |
| ·交叉验证评判算法优劣 | 第85-87页 |
| ·联合数据挖掘与支持向量机的STLF算法 | 第87-95页 |
| ·电力负荷数据的预处理 | 第87-90页 |
| ·数据挖掘聚类算法的实现 | 第90-93页 |
| ·实际算例分析与实现 | 第93-95页 |
| ·本章小结 | 第95-97页 |
| 第六章 冶金企业用户需求侧管理系统的设计 | 第97-103页 |
| ·硬件系统的构成与设计 | 第97-98页 |
| ·软件系统的构成与设计 | 第98-102页 |
| ·软件开发环境 | 第98页 |
| ·VC++与MATLAB的接口实现 | 第98页 |
| ·系统软件的总体结构 | 第98-99页 |
| ·系统软件功能设计 | 第99-102页 |
| ·本章小结 | 第102-103页 |
| 第七章 结论与展望 | 第103-107页 |
| ·结论 | 第103-105页 |
| ·课题进一步研究方向和要解决的问题 | 第105-107页 |
| 参考文献 | 第107-117页 |
| 发表论文和参加科研情况说明 | 第117-119页 |
| 致谢 | 第119页 |
