| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第一章 绪论 | 第8-13页 |
| ·课题研究的背景与意义 | 第8-9页 |
| ·短期负荷预测的研究发展与现状 | 第9-11页 |
| ·数学模型预测法 | 第9-10页 |
| ·智能预测方法 | 第10-11页 |
| ·本论文的研究目标与内容 | 第11-13页 |
| 第二章 基于时间序列数据挖掘的负荷预测算法 | 第13-20页 |
| ·数据挖掘 | 第13页 |
| ·时间序列的数据挖掘算法 | 第13-18页 |
| ·相似性搜索 | 第14-15页 |
| ·时间序列的近似表示法 | 第15-16页 |
| ·聚类分析 | 第16-17页 |
| ·规则发现 | 第17页 |
| ·分类/预测 | 第17-18页 |
| ·基于时间序列数据挖掘的负荷预测算法 | 第18-19页 |
| ·电力负荷预测中常用的多因素预测法 | 第18页 |
| ·基于负荷序列的电力负荷预测法 | 第18-19页 |
| ·小结 | 第19-20页 |
| 第三章 基于聚类的电力负荷序列分析 | 第20-29页 |
| ·电力负荷序列聚类的必要性 | 第20-21页 |
| ·电力负荷序列的聚类分析方法 | 第21-27页 |
| ·基于特征点的时间序列分段方法 | 第21-22页 |
| ·特征序列的相似性度量 | 第22-23页 |
| ·基于密度的层次聚类算法 | 第23-27页 |
| ·实例分析 | 第27-28页 |
| ·小结 | 第28-29页 |
| 第四章 基于局部关联分类的负荷序列预测 | 第29-40页 |
| ·分类/预测问题 | 第29页 |
| ·决策树 | 第29-30页 |
| ·关联分类 | 第30-32页 |
| ·关联分类问题描述 | 第30-31页 |
| ·关联分类算法 | 第31-32页 |
| ·局部关联分类算法 | 第32-38页 |
| ·相关概念 | 第32-33页 |
| ·连续属性的离散化 | 第33-35页 |
| ·挖掘局部有趣规则 | 第35页 |
| ·构造分类器 | 第35-38页 |
| ·实验分析 | 第38-39页 |
| ·小结 | 第39-40页 |
| 第五章 基于时间序列数据挖掘技术的短期负荷预测系统 | 第40-48页 |
| ·短期负荷预测系统简介 | 第40-42页 |
| ·数据处理模块 | 第42-44页 |
| ·确定负荷影响因素 | 第42-43页 |
| ·负荷影响因素的离散化 | 第43页 |
| ·电力负荷数据的处理 | 第43-44页 |
| ·负荷预测模块 | 第44-45页 |
| ·每个时段的负荷预测 | 第44页 |
| ·预测曲线的调整 | 第44-45页 |
| ·实验评估 | 第45-47页 |
| ·小结 | 第47-48页 |
| 第六章 总结 | 第48-50页 |
| ·本文的总结 | 第48-49页 |
| ·下一步的工作 | 第49-50页 |
| 致谢 | 第50-51页 |
| 参考文献 | 第51-54页 |
| 作者简介 | 第54页 |