| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 短期负荷预测的背景和意义 | 第9-10页 |
| 1.2 短期负荷预测的研究现状 | 第10-12页 |
| 1.3 负荷预测的基本过程 | 第12-13页 |
| 1.4 研究内容和组织结构 | 第13-15页 |
| 第二章 信息粒化理论 | 第15-21页 |
| 2.1 信息粒化思想 | 第15-16页 |
| 2.2 时间序列中的模糊粒化方法 | 第16-18页 |
| 2.3 修正后的三角型模糊粒化方法 | 第18-19页 |
| 2.4 本章小结 | 第19-21页 |
| 第三章 短期电力负荷特性分析及相似度计算 | 第21-29页 |
| 3.1 短期负荷的特点 | 第22页 |
| 3.2 短期负荷的影响因素分析 | 第22-25页 |
| 3.3 短期负荷影因素的量化处理 | 第25-26页 |
| 3.3.1 星期类型量化 | 第25-26页 |
| 3.3.2 天气类型的量化 | 第26页 |
| 3.3.3 气温的量化 | 第26页 |
| 3.3.4 日期间隔的量化 | 第26页 |
| 3.4 基于日特征量的相似度计算方法 | 第26-28页 |
| 3.5 本章小结 | 第28-29页 |
| 第四章 基于信息粒化和相似度权重的SVM预测模型 | 第29-41页 |
| 4.1 支持向量机回归理论 | 第29-33页 |
| 4.2 改进后加权SVM及权重计算 | 第33-35页 |
| 4.2.1 改进的加权SVM | 第33-35页 |
| 4.2.2 加权SVM的权重系数计算 | 第35页 |
| 4.3 加权SVM算法的设计 | 第35-37页 |
| 4.3.1 核函数选取 | 第35-36页 |
| 4.3.2 参数寻优 | 第36-37页 |
| 4.4 基于信息粒化和加权SVM的算法设计 | 第37-38页 |
| 4.5 本章小结 | 第38-41页 |
| 第五章 实验结果与分析 | 第41-51页 |
| 5.1 实验环境和数据说明 | 第41页 |
| 5.2 原始负荷数据的处理 | 第41-43页 |
| 5.2.1 缺失数据的处理 | 第42页 |
| 5.2.2 异常数据处理 | 第42-43页 |
| 5.3 算法性能检验指标 | 第43页 |
| 5.4 基于信息粒化和加权SVM的短期负荷预测实例仿真 | 第43-50页 |
| 5.5 本章小结 | 第50-51页 |
| 总结与展望 | 第51-53页 |
| 参考文献 | 第53-57页 |
| 致谢 | 第57-58页 |
| 附录A 攻读硕士学位期间发表论文及成果 | 第58页 |