| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 选题的背景及意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.3 本文主要研究内容 | 第15-17页 |
| 第二章 电力系统短期负荷预测分析 | 第17-29页 |
| 2.1 电力系统短期负荷特性分析 | 第17-22页 |
| 2.1.1 短期负荷特点 | 第17-19页 |
| 2.1.2 短期负荷的影响因素 | 第19-22页 |
| 2.2 电力负荷预测的基本原理 | 第22-24页 |
| 2.3 电力负荷预测的基本流程 | 第24-26页 |
| 2.4 电力负荷预测的误差分析 | 第26-27页 |
| 2.5 本章小结 | 第27-29页 |
| 第三章 基于小波理论的数据预处理 | 第29-41页 |
| 3.1 负荷异常数据类型及一般处理方法 | 第29-30页 |
| 3.2 基于小波去噪的负荷数据预处理 | 第30-36页 |
| 3.2.1 小波阈值去噪的基本原理及步骤 | 第30-32页 |
| 3.2.2 阈值函数的选取及其改进 | 第32-34页 |
| 3.2.3 阈值的估计 | 第34-35页 |
| 3.2.4 小波去噪的性能评价标准 | 第35-36页 |
| 3.3 小波去噪应用实例 | 第36-39页 |
| 3.4 本章小结 | 第39-41页 |
| 第四章 基于主成分—灰色关联度的短期负荷重要影响因素提取 | 第41-53页 |
| 4.1 基于主成分分析的数据处理 | 第41-44页 |
| 4.1.1 主成分分析的基本原理 | 第41-42页 |
| 4.1.2 主成分分析的主要流程 | 第42-44页 |
| 4.2 基于灰色关联度的影响因素分析 | 第44-46页 |
| 4.2.1 灰色关联分析方法的基本原理 | 第44页 |
| 4.2.2 灰色关联度分析法的主要流程 | 第44-46页 |
| 4.3 基于主成分—灰色关联度的短期负荷重要影响因素提取 | 第46-47页 |
| 4.4 应用实例 | 第47-52页 |
| 4.5 本章小结 | 第52-53页 |
| 第五章 基于生物地理学优化的支持向量机短期负荷预测 | 第53-73页 |
| 5.1 支持向量机的基本原理 | 第53-56页 |
| 5.2 生物地理学优化（BBO）的基本原理 | 第56-59页 |
| 5.3 基于支持向量机的短期负荷预测 | 第59-67页 |
| 5.3.1 基于支持向量机的短期负荷预测步骤 | 第59-60页 |
| 5.3.2 应用实例 | 第60-67页 |
| 5.4 基于BBO优化的支持向量机短期负荷预测 | 第67-72页 |
| 5.4.1 基于BBO优化的支持向量机短期负荷预测步骤 | 第67-69页 |
| 5.4.2 应用实例 | 第69-72页 |
| 5.5 本章小结 | 第72-73页 |
| 第六章 结论与展望 | 第73-75页 |
| 参考文献 | 第75-79页 |
| 攻读学位期间所取得的相关科研成果 | 第79-81页 |
| 致谢 | 第81页 |
