| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第1章 绪论 | 第9-17页 |
| ·电力系统负荷预测的意义 | 第9-10页 |
| ·国内外研究现状 | 第10-15页 |
| ·短期负荷预测方法 | 第10-14页 |
| ·负荷预测发展 | 第14-15页 |
| ·电力负荷预测误差分析 | 第15页 |
| ·本文所做的工作 | 第15-17页 |
| 第2章 证据理论 | 第17-26页 |
| ·基本定义 | 第17-19页 |
| ·D-S 合成法则 | 第19-23页 |
| ·两个信度的合成 | 第19-22页 |
| ·合成的基本性质和多个信度的合成 | 第22-23页 |
| ·对不确定证据的折扣处理 | 第23-25页 |
| ·本章小结 | 第25-26页 |
| 第3章 基于证据相似日的支持向量机负荷预测 | 第26-40页 |
| ·支持向量机 | 第26-29页 |
| ·概述 | 第26页 |
| ·支持向量机原理 | 第26-29页 |
| ·基于D-S 证据融合和支持向量机的负荷预测 | 第29-30页 |
| ·基于D-S 相似日的SVM 结构 | 第29页 |
| ·SVM 算法的具体实现 | 第29-30页 |
| ·相似日的选取 | 第30-35页 |
| ·相似日理论 | 第30-31页 |
| ·证据理论 | 第31-34页 |
| ·Dempster 合成法则 | 第34-35页 |
| ·实例仿真 | 第35-39页 |
| ·系统介绍 | 第35页 |
| ·样本选择 | 第35-36页 |
| ·参数分析 | 第36-37页 |
| ·误差测量与结果分析 | 第37-39页 |
| ·本章小结 | 第39-40页 |
| 第4章 基于SVM、RBF 和混沌的证据融合负荷预测 | 第40-57页 |
| ·RBF 神经网络 | 第40-42页 |
| ·概述 | 第40页 |
| ·RBF 神经网络原理和应用 | 第40-42页 |
| ·混沌算法 | 第42-49页 |
| ·混沌预测的理论基础和基本概念 | 第42-46页 |
| ·混沌自适应算法 | 第46-49页 |
| ·基于SVM、RBF 和混沌的证据融合负荷预测 | 第49-50页 |
| ·算例仿真 | 第50-56页 |
| ·SVM 预测 | 第51页 |
| ·RBF 预测结果 | 第51-52页 |
| ·混沌预测结果 | 第52-53页 |
| ·D-S 证据融合 | 第53-56页 |
| ·本章小结 | 第56-57页 |
| 结论 | 第57-59页 |
| 参考文献 | 第59-65页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第65-66页 |
| 致谢 | 第66-67页 |
| 作者简介 | 第67页 |