| 中文摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第10-36页 |
| 1.1 放松管制下的电力市场 | 第10-20页 |
| 1.1.1 电力市场的基础及结构 | 第10-11页 |
| 1.1.2 世界电力市场化进程 | 第11-15页 |
| 1.1.3 改革下的电力市场模型 | 第15-16页 |
| 1.1.4 放松管制下的电价 | 第16-17页 |
| 1.1.5 电价预测 | 第17-20页 |
| 1.2 选题背景和研究意义 | 第20-22页 |
| 1.3 国内外研究现状 | 第22-32页 |
| 1.4 本文研究主要内容 | 第32-34页 |
| 1.5 本文结构 | 第34-36页 |
| 第二章 电价交易及特点 | 第36-46页 |
| 2.1 电价市场交易模式 | 第36-37页 |
| 2.2 电力定价 | 第37-38页 |
| 2.3 不同市场电价 | 第38-40页 |
| 2.4 影响电价的因素 | 第40-41页 |
| 2.5 电价特点 | 第41-46页 |
| 第三章 电价预测流程及数据预处理技术 | 第46-53页 |
| 3.1 电价预测形式化 | 第46页 |
| 3.2 电价的数据 | 第46-47页 |
| 3.3 电价预测评价标准 | 第47-49页 |
| 3.4 电价预测流程 | 第49页 |
| 3.5 数据预处理技术 | 第49-53页 |
| 第四章 基于人工智能的电价预测模型 | 第53-73页 |
| 4.1 引言 | 第53页 |
| 4.2 人工神经网络 | 第53-55页 |
| 4.3 人工神经网络电价预测模型 | 第55-63页 |
| 4.3.1 BP神经网络（BPNN）电价预测 | 第55-57页 |
| 4.3.2 小波神经网络（WNN）电价预测 | 第57-59页 |
| 4.3.3 Elman神经网络电价预测 | 第59-60页 |
| 4.3.4 支持向量机（SVM）电价预测 | 第60-63页 |
| 4.4 基于智能算法优化的神经网络电价预测模型 | 第63-68页 |
| 4.4.1 遗传算法 | 第63-64页 |
| 4.4.2 人工鱼群算法 | 第64页 |
| 4.4.3 基于遗传算法的BPNN神经网络电价预测 | 第64-65页 |
| 4.4.4 基于鱼群算法的支持向量回归电价预测 | 第65-68页 |
| 4.5 案例研究与实验结果分析 | 第68-72页 |
| 4.6 小结 | 第72-73页 |
| 第五章 基于小波变换的极限学习机电价预测 | 第73-92页 |
| 5.1 引言 | 第73页 |
| 5.2 基本理论 | 第73-78页 |
| 5.2.1 小波变换 | 第73-76页 |
| 5.2.2 极限学习机 | 第76-78页 |
| 5.3 预测模型的构建 | 第78-79页 |
| 5.4 案例研究与实验结果分析 | 第79-91页 |
| 5.4.1 数据分析 | 第79-83页 |
| 5.4.2 文献模型的研究比较 | 第83-84页 |
| 5.4.3 不同的模型比较 | 第84-91页 |
| 5.5 小结 | 第91-92页 |
| 第六章 基于小波变换、ARMA和核极限学习机的混合电价预测 | 第92-117页 |
| 6.1 引言 | 第92页 |
| 6.2 基本理论 | 第92-96页 |
| 6.2.1 核极限学习机 | 第92-94页 |
| 6.2.2 粒子群算法 | 第94-96页 |
| 6.3 ARMA模型 | 第96-99页 |
| 6.3.1 ARMA基本原理 | 第96-97页 |
| 6.3.2 时间序列特性 | 第97页 |
| 6.3.3 单位根检验 | 第97-98页 |
| 6.3.4 ARMA模型建立 | 第98-99页 |
| 6.4 预测模型的构建 | 第99-100页 |
| 6.5 案例研究与实验结果分析 | 第100-116页 |
| 6.5.1 案例数据及分析 | 第100-103页 |
| 6.5.2 澳大利亚新南士威尔和维多利亚电价市场结果分析 | 第103-110页 |
| 6.5.3 PJM电力市场结果分析 | 第110-111页 |
| 6.5.4 西班牙电力市场结果分析 | 第111-116页 |
| 6.6 小结 | 第116-117页 |
| 第七章 总结与展望 | 第117-119页 |
| 7.1 总结 | 第117-118页 |
| 7.2 不足与展望 | 第118-119页 |
| 参考文献 | 第119-127页 |
| 在学期间的研究成果 | 第127-128页 |
| 致谢 | 第128页 |
