| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 课题背景及研究的目的和意义 | 第10-11页 |
| 1.2 研究现状分析 | 第11-13页 |
| 1.2.1 负荷预测研究现状 | 第11-12页 |
| 1.2.2 概率密度预测研究现状 | 第12-13页 |
| 1.3 论文的目的和意义 | 第13页 |
| 1.4 论文主要工作 | 第13-15页 |
| 第2章 电力负荷预测理论基础 | 第15-23页 |
| 2.1 引言 | 第15页 |
| 2.2 电力负荷预测概念 | 第15-16页 |
| 2.3 负荷预测的方法 | 第16-17页 |
| 2.4 回归分析方法的应用 | 第17-20页 |
| 2.4.1 参数回归 | 第18-19页 |
| 2.4.2 非参数回归 | 第19-20页 |
| 2.5 负荷预测流程 | 第20-22页 |
| 2.5.1 数据收集与预处理 | 第20-21页 |
| 2.5.2 预测模型的选择 | 第21页 |
| 2.5.3 预测精度的验证 | 第21-22页 |
| 2.6 本章小结 | 第22-23页 |
| 第3章 基于ACE的短期负荷概率密度预测方法 | 第23-34页 |
| 3.1 引言 | 第23页 |
| 3.2 交替条件期望理论 | 第23-24页 |
| 3.3 基于ACE理论期负荷概率密度预测 | 第24-28页 |
| 3.3.1 确定回归方程 | 第24-25页 |
| 3.3.2 基于模糊聚类的相似日选取 | 第25-26页 |
| 3.3.3 核密度估计 | 第26-27页 |
| 3.3.4 概率密度曲线预测 | 第27-28页 |
| 3.4 实例分析 | 第28-33页 |
| 3.4.1 最优转换方程的确定 | 第28-29页 |
| 3.4.2 考虑历史日序列的相似日选取 | 第29-30页 |
| 3.4.3 负荷概率密度曲线预测 | 第30-33页 |
| 3.5 本章小结 | 第33-34页 |
| 第4章 基于ELM-分位数回归的短期负荷概率密度预测 | 第34-45页 |
| 4.1 引言 | 第34页 |
| 4.2 极限学习机理论 | 第34-36页 |
| 4.3 分位数回归理论 | 第36-38页 |
| 4.4 基于ELM-分位数回归的短期负荷概率密度预测 | 第38-40页 |
| 4.5 实例分析 | 第40-44页 |
| 4.6 本章小结 | 第44-45页 |
| 第5章 算法对比分析 | 第45-49页 |
| 5.1 ACE算法与ELM-分位数预测结果对比 | 第45-48页 |
| 5.2 优缺点比较分析 | 第48-49页 |
| 第6章 结论与展望 | 第49-51页 |
| 6.1 结论 | 第49-50页 |
| 6.2 展望 | 第50-51页 |
| 参考文献 | 第51-54页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第54-55页 |
| 致谢 | 第55页 |