| 中文摘要 | 第1页 |
| 英文摘要 | 第4-7页 |
| 第一章 引言 | 第7-11页 |
| ·电力负荷预测的意义 | 第7页 |
| ·短期负荷预测的研究现状 | 第7-9页 |
| ·神经网络在短期负荷预测中的应用 | 第8-9页 |
| ·短期负荷预测中常用的数据挖掘技术 | 第9页 |
| ·本论文的主要工作 | 第9-11页 |
| 第二章 电力负荷数据的预处理 | 第11-16页 |
| ·电力负荷数据预处理的意义 | 第11页 |
| ·电力负荷中异常数据的处理 | 第11-16页 |
| ·小波奇异性检测原理消除冲击负荷 | 第11-13页 |
| ·软阈值细节消噪法消除随机干扰 | 第13-16页 |
| 第三章 电力负荷特性分析 | 第16-22页 |
| ·负荷的影响因素 | 第16-18页 |
| ·负荷本身的特性 | 第16-18页 |
| ·非负荷影响因素 | 第18页 |
| ·小波分解初选负荷相关影响因素 | 第18-22页 |
| ·小波分解基本原理 | 第18-20页 |
| ·小波分解中影响负荷预测的关键因素 | 第20页 |
| ·初选负荷相关影响因素 | 第20-22页 |
| 第四章 电力负荷预测的径向基神经网络模型 | 第22-41页 |
| ·RBF 神经网络的结构 | 第22-32页 |
| ·RBF 网络输入层节点数的确定 | 第22-29页 |
| ·RBF 网络隐含层的确定 | 第29-32页 |
| ·RBF 网络输出层的确定 | 第32页 |
| ·RBF 神经网络的学习算法 | 第32-38页 |
| ·RBF 网络参数的初始化 | 第33-34页 |
| ·RBF 网络调整参数的学习算法 | 第34-38页 |
| ·RBF 神经网络的样本选取 | 第38-41页 |
| 第五章 基于小波分解和径向基网络结合的短期负荷预测 | 第41-55页 |
| ·短期负荷预测的小波径向基神经网络模型 | 第41-47页 |
| ·历史数据的获取及预处理 | 第41页 |
| ·负荷序列的小波分解 | 第41-42页 |
| ·RBF 网络的建立 | 第42-45页 |
| ·RBF 网络的训练 | 第45-46页 |
| ·RBF 网络的测试 | 第46页 |
| ·负荷子序列的小波重构 | 第46-47页 |
| ·小波径向基神经网络预测模型的性能分析 | 第47-54页 |
| ·负荷预测常用的性能指标 | 第47-48页 |
| ·负荷预测实例 | 第48-54页 |
| ·本章小结 | 第54-55页 |
| 第六章 结论与展望 | 第55-56页 |
| 参考文献 | 第56-60页 |
| 致谢 | 第60-61页 |
| 附录 1 预测算例一 | 第61-62页 |
| 附录 2 预测算例二 | 第62-63页 |
| 附录 3 预测算例三 | 第63-64页 |
| 在学期间发表的学术论文和参加科研情况 | 第64-65页 |
| 详细摘要 | 第65-75页 |