| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4-5页 |
| 1 绪论 | 第8-17页 |
| 1.1 课题研究的背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-14页 |
| 1.2.1 传统的负荷预测方法 | 第10-12页 |
| 1.2.2 人工智能的负荷预测方法 | 第12-13页 |
| 1.2.3 组合预测的负荷预测方法 | 第13-14页 |
| 1.3 主要研究内容及创新之处 | 第14-15页 |
| 1.3.1 主要研究内容 | 第14-15页 |
| 1.3.2 本文的创新之处 | 第15页 |
| 1.4 全文章节安排 | 第15-17页 |
| 2 典型的负荷预测方法及本文研究思路 | 第17-25页 |
| 2.1 引言 | 第17页 |
| 2.2 电力系统负荷变化特点分析 | 第17-18页 |
| 2.3 本文对比的经典负荷预测方法 | 第18-23页 |
| 2.3.1 基于ARMA时间序列模型的负荷预测方法 | 第18-21页 |
| 2.3.2 基于BP神经网络的负荷预测方法 | 第21-23页 |
| 2.4 问题分析及本文研究思路 | 第23-24页 |
| 2.5 本章小结 | 第24-25页 |
| 3 基于预测误差收敛性校验和轨迹修正的短期负荷预测 | 第25-39页 |
| 3.1 引言 | 第25页 |
| 3.2 运动学建模 | 第25-26页 |
| 3.3 预测误差收敛性判据及稳定性分析 | 第26-29页 |
| 3.4 基于误差修正的负荷预测算法 | 第29-32页 |
| 3.4.1 预测值修正策略 | 第29-31页 |
| 3.4.2 基于误差修正的负荷预测算法完整描述 | 第31-32页 |
| 3.5 算法仿真 | 第32-38页 |
| 3.5.1 与ARMA预测模型的对比实验 | 第32-34页 |
| 3.5.2 与BPNN预测模型的对比实验 | 第34-35页 |
| 3.5.3 不同预测视野下的对比实验 | 第35-37页 |
| 3.5.4 算法评论 | 第37-38页 |
| 3.6 本章小结 | 第38-39页 |
| 4 基于轨迹跟踪控制的短期负荷预测 | 第39-53页 |
| 4.1 引言 | 第39页 |
| 4.2 运动学建模 | 第39-41页 |
| 4.3 轨迹跟踪控制器设计及稳定性分析 | 第41-42页 |
| 4.4 基于轨迹跟踪控制的负荷预测算法 | 第42-43页 |
| 4.5 算法仿真 | 第43-52页 |
| 4.5.1 以24小时为视野的预测 | 第44-47页 |
| 4.5.2 以1小时为视野的预测 | 第47-50页 |
| 4.5.3 结果分析 | 第50-51页 |
| 4.5.4 算法评论 | 第51-52页 |
| 4.6 本章小结 | 第52-53页 |
| 5 总结与展望 | 第53-55页 |
| 致谢 | 第55-56页 |
| 参考文献 | 第56-60页 |
| 附录 | 第60页 |
| A. 作者在攻读学位期间发表的论文目录 | 第60页 |
| B. 作者在攻读学位期间取得的科研成果目录 | 第60页 |