| 第一章 绪论 | 第1-16页 |
| ·负荷预测的意义及研究背景 | 第8-9页 |
| ·负荷预测的研究和应用现状 | 第9-13页 |
| ·影响负荷预测的因素 | 第13-14页 |
| ·本文主要工作 | 第14-16页 |
| 第二章 负荷预测分析 | 第16-23页 |
| ·电力负荷的构成和特点 | 第16-19页 |
| ·电力系统负荷的构成 | 第16-17页 |
| ·电力负荷的特点 | 第17-19页 |
| ·负荷数据的预处理方法 | 第19-20页 |
| ·负荷预测误差分析指标 | 第20-23页 |
| 第三章 累积式自回归动平均模型 | 第23-30页 |
| ·时间序列法的基本模型 | 第23-24页 |
| ·累积式自回归动平均算法 | 第24-27页 |
| ·模型的辨识和参数估计 | 第24-25页 |
| ·ARIMA算法 | 第25-27页 |
| ·预测结果及分析 | 第27-30页 |
| 第四章 人工神经网络预测模型 | 第30-43页 |
| ·人工神经网络理论简介 | 第30-32页 |
| ·人工神经网络的应用 | 第30-31页 |
| ·神经网络应用于负荷预测 | 第31-32页 |
| ·BP模型的基本算法与改进 | 第32-37页 |
| ·BP神经网络 | 第32-35页 |
| ·BP模型的优缺点 | 第35-36页 |
| ·BP算法的改进 | 第36-37页 |
| ·神经网络预测模型 | 第37-43页 |
| ·神经网络模型结构 | 第37-38页 |
| ·神经网络模型结构二 | 第38-39页 |
| ·预测实例 | 第39-43页 |
| 第五章 小波分析理论的应用 | 第43-69页 |
| ·小波分析的基本理论 | 第43-50页 |
| ·小波分析理论发展的历史 | 第43-45页 |
| ·小波基本理论 | 第45-46页 |
| ·多分辨率分析 | 第46-49页 |
| ·快速小波变换—马拉(Mallat)算法 | 第49-50页 |
| ·小波分析应用于负荷预测 | 第50-55页 |
| ·负荷特性分析 | 第50-53页 |
| ·小波和神经网络相结合的预测模型及流程 | 第53-55页 |
| ·小波—神经网络预报模型的具体实现 | 第55-69页 |
| ·小波基及分解尺度的选择 | 第56-59页 |
| ·各子序列的建模与预报 | 第59-62页 |
| ·综合预测结果 | 第62-69页 |
| 第六章 负荷预测模型的优选 | 第69-81页 |
| ·多目标最优决策方法 | 第69-73页 |
| ·优序法 | 第69-70页 |
| ·最小隶属度偏差法和欧几里德(Euclid)贴近度 | 第70-72页 |
| ·一种新的最优决策方法 | 第72-73页 |
| ·多目标最优决策方法应用于负荷预测 | 第73-81页 |
| ·负荷预测模型优选 | 第73-76页 |
| ·小波模型中小波基和分解尺度的优选 | 第76-81页 |
| 第七章 结论 | 第81-83页 |
| 参考文献 | 第83-87页 |
| 攻读硕士学位期间发表论文 | 第87-88页 |
| 声明 | 第88-89页 |
| 致谢 | 第89-90页 |
| 附录A | 第90-92页 |
| 附录B | 第92-97页 |
| 附录C | 第97-98页 |