| 摘要 | 第1-7页 |
| Abstract | 第7-15页 |
| 第1章 绪论 | 第15-37页 |
| ·课题背景以及研究的目的和意义 | 第15-17页 |
| ·电力负荷预测理论及研究现状 | 第17-23页 |
| ·电力负荷预测理论 | 第17-19页 |
| ·国内外负荷预测研究现状 | 第19-23页 |
| ·知识挖掘理论及研究现状 | 第23-33页 |
| ·知识挖掘理论 | 第23-24页 |
| ·智能负荷预测中可利用的知识挖掘技术 | 第24-33页 |
| ·本文的研究思路及研究内容 | 第33-37页 |
| 第2章 基于知识挖掘技术的负荷数据规范设计 | 第37-49页 |
| ·影响负荷预测的属性变量分析 | 第37-39页 |
| ·负荷变量 | 第37页 |
| ·非负荷变量 | 第37-39页 |
| ·基于知识挖掘技术的负荷数据存储规范及数据视图设计 | 第39-44页 |
| ·负荷变量的存储规范 | 第40-41页 |
| ·非负荷变量的存储规范 | 第41-42页 |
| ·数据视图的规范 | 第42-44页 |
| ·基于知识挖掘的数据预处理研究 | 第44-48页 |
| ·本章小结 | 第48-49页 |
| 第3章 基于知识挖掘技术的BP神经网络协同日负荷曲线预测研究 | 第49-67页 |
| ·日负荷曲线预测及预测方法选择 | 第49-50页 |
| ·BP神经网络(BPNN)方法 | 第50-53页 |
| ·仅含负荷数据下基于相似度的BPNN协同日负荷曲线预测 | 第53-58页 |
| ·利用相似度进行初步预测 | 第54-55页 |
| ·利用自适应结构的神经网络进行误差纠正 | 第55-56页 |
| ·实例分析 | 第56-58页 |
| ·含天气数据时基于知识挖掘的BPNN协同日负荷曲线预测 | 第58-65页 |
| ·基于知识挖掘技术分析的数据视图规范 | 第58-59页 |
| ·日负荷曲线聚类分析 | 第59页 |
| ·利用粗糙集进行属性约简 | 第59-60页 |
| ·利用知识挖掘决策树分类算法进行分类规则提取 | 第60-62页 |
| ·基于决策树分类技术的自适应BP神经网络负荷预测 | 第62页 |
| ·实例分析 | 第62-65页 |
| ·本章小结 | 第65-67页 |
| 第4章 基于知识挖掘的自适应参数的支持向量机协同中长期负荷预测 | 第67-77页 |
| ·中长期负荷预测及预测方法选择 | 第67-68页 |
| ·支持向量机回归(SVR)预测方法 | 第68-70页 |
| ·微分进化算法 | 第70-72页 |
| ·利用微分进化算法自适应参数的SVR中长期负荷预测模型 | 第72-74页 |
| ·实例分析 | 第74-76页 |
| ·本章小结 | 第76-77页 |
| 第5章 基于协同知识挖掘后干预纠偏技术的日最大负荷预测 | 第77-87页 |
| ·日最大负荷预测及预测方法选择 | 第77-78页 |
| ·基于知识挖掘后干预技术的协同预测方法流程 | 第78-81页 |
| ·负荷预测模块 | 第78-80页 |
| ·非线性纠偏模块 | 第80页 |
| ·知识挖掘后干预纠偏模块 | 第80-81页 |
| ·实例分析 | 第81-85页 |
| ·本章小结 | 第85-87页 |
| 第6章 基于协同知识挖掘技术智能预测结果的预警研究 | 第87-105页 |
| ·基于短期负荷预测结果的负荷监测预警研究 | 第87-92页 |
| ·短期负荷监测指标 | 第87-89页 |
| ·短期负荷预测监测指标的警度设置 | 第89-92页 |
| ·基于中长期负荷预测结果的电力供需预警研究 | 第92-96页 |
| ·供需预警指标 | 第92-93页 |
| ·供需预警指标的警度设置 | 第93-95页 |
| ·基于知识挖掘分类技术的行业需求预警指标筛选研究 | 第95-96页 |
| ·灾害气候预警研究 | 第96-100页 |
| ·威胁电力的典型灾害气候 | 第96-98页 |
| ·典型气候监测警度的设置 | 第98-100页 |
| ·实例分析 | 第100-104页 |
| ·短期负荷监测的实例分析 | 第100-102页 |
| ·电力供需预警监测的实例分析 | 第102-103页 |
| ·典型气候预警监测的实例分析 | 第103-104页 |
| ·本章小结 | 第104-105页 |
| 第7章 江门市供电局知识挖掘智能协同负荷预测系统研究 | 第105-121页 |
| ·系统需求分析 | 第105-107页 |
| ·基于知识挖掘技术的智能协同电力负荷预测系统设计 | 第107-110页 |
| ·系统目标 | 第107页 |
| ·系统架构设计 | 第107-109页 |
| ·系统运行环境 | 第109-110页 |
| ·系统数据库设计 | 第110-112页 |
| ·系统的主要功能 | 第112-120页 |
| ·历史数据管理 | 第113-116页 |
| ·历年用电情况分析 | 第116-117页 |
| ·中长期负荷预测 | 第117-118页 |
| ·预警部分 | 第118-120页 |
| ·本章小结 | 第120-121页 |
| 第8章 结论与展望 | 第121-123页 |
| ·结论及主要创新点 | 第121-122页 |
| ·展望 | 第122-123页 |
| 参考文献 | 第123-131页 |
| 附录 | 第131-139页 |
| 附表1:江门市供电局监测的行业用电量的年增长量 | 第131-135页 |
| 附表2:江门市供电局初步筛选后的行业以及警度划分结果 | 第135-139页 |
| 攻读博士学位期间发表的论文及其它成果 | 第139-141页 |
| 攻读博士学位期间参加的科研工作 | 第141-143页 |
| 致谢 | 第143-145页 |
| 作者简介 | 第145页 |
