智能工程体系及其在电力负荷预测中的应用研究
| 中文摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第一章 绪论 | 第9-15页 |
| ·选题背景及意义 | 第9-10页 |
| ·国内外研究动态 | 第10-13页 |
| ·智能工程理论 | 第10-11页 |
| ·电力负荷预测理论 | 第11-13页 |
| ·论文的主要内容 | 第13-15页 |
| 第二章 智能工程理论研究 | 第15-38页 |
| ·智能工程定义及研究内容 | 第15-19页 |
| ·知识的获取 | 第15-16页 |
| ·知识的表达 | 第16-17页 |
| ·知识的集成 | 第17-18页 |
| ·知识的协调和管理 | 第18-19页 |
| ·智能化人-机界面 | 第19页 |
| ·智能工程体系 | 第19-26页 |
| ·广义模型 | 第21-24页 |
| ·智能空间 | 第24-26页 |
| ·智能电网 | 第26-33页 |
| ·智能电网发展 | 第26-29页 |
| ·统一坚强智能电网战略部署 | 第29-33页 |
| ·智能电力负荷预测系统 | 第33-36页 |
| ·本章小结 | 第36-38页 |
| 第三章 电力负荷理论研究 | 第38-58页 |
| ·负荷预测基本理论 | 第38-42页 |
| ·负荷预测基本原则和要求 | 第38-40页 |
| ·负荷预测的分类及特点 | 第40-42页 |
| ·负荷的主要影响因素 | 第42-46页 |
| ·社会因素影响 | 第43-44页 |
| ·气象因素影响 | 第44页 |
| ·电力定位因素的影响 | 第44-46页 |
| ·负荷预测研究方法 | 第46-57页 |
| ·时间序列预测算法 | 第47-49页 |
| ·回归模型预测算法 | 第49-51页 |
| ·神经网络预测算法 | 第51-53页 |
| ·支持向量机预测算法 | 第53-57页 |
| ·本章小结 | 第57-58页 |
| 第四章 负荷数据预处理 | 第58-68页 |
| ·异常数据清理 | 第58-62页 |
| ·噪声数据处理 | 第58-61页 |
| ·空缺值的处理 | 第61-62页 |
| ·数据的标准化处理 | 第62-64页 |
| ·基于EMD方法的数据平稳化处理 | 第64-66页 |
| ·EMD算法概述 | 第64-65页 |
| ·负荷数据的EMD分解 | 第65-66页 |
| ·本章小结 | 第66-68页 |
| 第五章 负荷预测方法实例分析 | 第68-83页 |
| ·回归分析算法 | 第68-73页 |
| ·支持向量回归算法 | 第73-76页 |
| ·序列最小优化算法 | 第76-81页 |
| ·本章小结 | 第81-83页 |
| 第六章 结论 | 第83-85页 |
| ·本文的主要工作和创新点 | 第83页 |
| ·本文的不足和展望 | 第83-85页 |
| 参考文献 | 第85-89页 |
| 致谢 | 第89-90页 |
| 攻读博士学位期间发表的学术论文 | 第90-91页 |
| 攻读博士学位期间参加的科研工作 | 第91页 |
