| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第一章 绪论 | 第10-14页 |
| ·短期电力负荷预测的研究意义 | 第10页 |
| ·短期电力负荷预测的国内外研究现状 | 第10-12页 |
| ·本文的主要内容和结构安排 | 第12-14页 |
| 第二章 短期电力负荷的影响因素分析 | 第14-19页 |
| ·短期电力负荷的特点分析 | 第14-15页 |
| ·短期电力负荷的影响因素分析 | 第15-18页 |
| ·时间因素 | 第15-17页 |
| ·季节因素的影响 | 第15页 |
| ·日的周期性 | 第15-16页 |
| ·周的周期性 | 第16页 |
| ·节假日的影响 | 第16-17页 |
| ·天气因素 | 第17-18页 |
| ·随机因素 | 第18页 |
| ·本章小结 | 第18-19页 |
| 第三章 短期电力负荷预测的相似度分析 | 第19-30页 |
| ·相似日法和相似度 | 第19-20页 |
| ·相似日法 | 第19页 |
| ·相似度 | 第19-20页 |
| ·主成分分析 | 第20-23页 |
| ·主成分分析概念 | 第20页 |
| ·主成分分析的模型分析 | 第20-22页 |
| ·主成分分析的计算步骤 | 第22-23页 |
| ·灰色关联分析 | 第23-26页 |
| ·灰色系统理论简介 | 第23页 |
| ·灰色关联分析 | 第23-24页 |
| ·灰色关联分析的理论分析 | 第24-25页 |
| ·灰色关联分析的计算步骤分析 | 第25-26页 |
| ·基于主成分分析与灰色关联分析的相似度分析 | 第26-29页 |
| ·基于主成分分析的电力负荷数据分析 | 第26-27页 |
| ·基于灰色关联分析的电力负荷数据分析 | 第27-29页 |
| ·本章小结 | 第29-30页 |
| 第四章 加权支持向量机回归算法 | 第30-37页 |
| ·支持向量机相关知识介绍 | 第30-31页 |
| ·最优分类面 | 第30页 |
| ·广义最优分类面 | 第30页 |
| ·核函数 | 第30-31页 |
| ·支持向量机分类 | 第31页 |
| ·加权支持向量机回归原理 | 第31-36页 |
| ·支持向量机回归问题的描述 | 第31-32页 |
| ·线性支持向量机回归 | 第32-33页 |
| ·非线性支持向量机回归 | 第33-34页 |
| ·加权支持向量机回归算法 | 第34-36页 |
| ·本章小结 | 第36-37页 |
| 第五章 基于加权相似度和加权支持向量机的短期电力负荷预测 | 第37-52页 |
| ·数据预处理 | 第37-41页 |
| ·缺失数据处理 | 第37页 |
| ·异常数据处理 | 第37-39页 |
| ·数据归一化处理 | 第39-41页 |
| ·天气数据处理 | 第39-40页 |
| ·时间数据处理 | 第40-41页 |
| ·基于加权相似度和加权支持向量机的算法设计 | 第41-45页 |
| ·加权相似度法的设计 | 第41-43页 |
| ·加权支持向量机算法的设计 | 第43-45页 |
| ·核函数的选取 | 第43页 |
| ·加权支持向量机的加权方法 | 第43-44页 |
| ·粒子群算法 | 第44-45页 |
| ·基于加权相似度和加权支持向量机的短期电力负荷预测 | 第45-46页 |
| ·节假日的短期电力负荷预测 | 第46-47页 |
| ·实例分析 | 第47-51页 |
| ·数据说明 | 第47-48页 |
| ·基于加权相似度和加权支持向量机的短期电力负荷预测实例分析 | 第48-50页 |
| ·节假日负荷预测实例分析 | 第50-51页 |
| ·本章小结 | 第51-52页 |
| 结论 | 第52-54页 |
| 参考文献 | 第54-58页 |
| 攻读硕士学位期间取得的研究成果 | 第58-59页 |
| 致谢 | 第59-60页 |
| 附件 | 第60页 |
