| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第9-13页 |
| 1.1 选题背景及意义 | 第9页 |
| 1.2 短期负荷预测的国内外研究现状 | 第9-11页 |
| 1.2.1 经典预测方法 | 第10页 |
| 1.2.2 现代预测方法 | 第10-11页 |
| 1.3 雾霾对电力负荷的影响 | 第11-12页 |
| 1.4 本文所做的主要工作 | 第12-13页 |
| 第2章 保定电网典型负荷分类及特点 | 第13-21页 |
| 2.1 负荷基本分类及特点 | 第13页 |
| 2.2 保定电网负荷概况 | 第13-15页 |
| 2.3 保定电网各类负荷分析 | 第15-20页 |
| 2.3.1 居民用电负荷分析 | 第15-17页 |
| 2.3.2 商业用电负荷分析 | 第17-19页 |
| 2.3.3 工业用电负荷分析 | 第19-20页 |
| 2.4 本章小结 | 第20-21页 |
| 第3章 基于随机森林算法的短期居民及商业负荷预测 | 第21-27页 |
| 3.1 基于实时气象指标的相似日选取 | 第21-24页 |
| 3.1.1 灰色关联分析 | 第21-22页 |
| 3.1.2 气象数据归一化 | 第22-23页 |
| 3.1.3 加权相似度公式 | 第23-24页 |
| 3.2 随机森林算法 | 第24-26页 |
| 3.2.1 随机森林理论 | 第24-25页 |
| 3.2.2 随机森林回归算法的基本原理与步骤 | 第25-26页 |
| 3.3 本章小结 | 第26-27页 |
| 第4章 基于小波神经网络的短期工业负荷预测 | 第27-35页 |
| 4.1 小波理论简介 | 第27页 |
| 4.2 小波理论原理 | 第27-29页 |
| 4.2.1 连续小波变换 | 第27-28页 |
| 4.2.2 离散小波变换 | 第28-29页 |
| 4.3 小波函数的选取 | 第29页 |
| 4.4 小波神经网络的基本理论 | 第29-33页 |
| 4.4.1 小波神经网络的提出和发展 | 第29-30页 |
| 4.4.2 小波神经网络的结构和算法 | 第30-32页 |
| 4.4.3 小波神经网络的优点 | 第32-33页 |
| 4.5 小波神经网络预测值修正 | 第33-34页 |
| 4.5.1 保定市工业减排措施 | 第33页 |
| 4.5.2 预测值修正 | 第33-34页 |
| 4.6 本章小结 | 第34-35页 |
| 第5章 算例分析 | 第35-43页 |
| 5.1 基于随机森林算法的短期居民及商业用电负预测 | 第35-39页 |
| 5.1.1 相似日的选取 | 第35-36页 |
| 5.1.2 随机森林回归预测 | 第36-39页 |
| 5.2 基于小波神经网络的工业负荷预测 | 第39-42页 |
| 5.3 本章小结 | 第42-43页 |
| 第6章 结论与展望 | 第43-45页 |
| 参考文献 | 第45-48页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第48-49页 |
| 致谢 | 第49-50页 |
| 作者简介 | 第50页 |