| 摘要 | 第1-3页 |
| Abstract | 第3-6页 |
| 第一章 绪论 | 第6-12页 |
| ·电力系统短期负荷预测的意义及任务 | 第6页 |
| ·短期负荷预测误差统计指标 | 第6-7页 |
| ·国内外短期负荷预测研究现状 | 第7-10页 |
| ·短期负荷预测研究现状 | 第7-9页 |
| ·支持向量机在短期负荷预测中的应用 | 第9-10页 |
| ·本文主要工作 | 第10-12页 |
| 第二章 支持向量机理论及其在短期负荷预测中的应用 | 第12-26页 |
| ·支持向量机理论 | 第12-21页 |
| ·机器学习简介 | 第12-13页 |
| ·统计学习理论 | 第13-15页 |
| ·支持向量机理论 | 第15-21页 |
| ·短期负荷特性及影响因素分析 | 第21-23页 |
| ·短期负荷特点 | 第22-23页 |
| ·短期负荷特性影响因素分析 | 第23页 |
| ·基于支持向量机的短期负荷预测步骤 | 第23-26页 |
| 第三章 基于组合核函数的短期负荷预测 | 第26-34页 |
| ·核函数与模型参数的选取 | 第26-27页 |
| ·核函数的实质 | 第26页 |
| ·支持向量机参数优化 | 第26-27页 |
| ·组合核函数原理 | 第27-29页 |
| ·核函数分类 | 第27页 |
| ·组合核函数 | 第27-29页 |
| ·利用相似日原理选择样本 | 第29-31页 |
| ·相似日原理 | 第29-30页 |
| ·训练样本的选取 | 第30-31页 |
| ·基于组合核函数的短期负荷预测流程图 | 第31-32页 |
| ·算例分析 | 第32-34页 |
| 第四章 基于SVM与AM-NN的电力系统短期负荷组合预测模型研究 | 第34-44页 |
| ·组合预测模型的建模依据 | 第34-35页 |
| ·组合预测模型结构 | 第35页 |
| ·AM-NN子模型 | 第35-37页 |
| ·SVM子模型 | 第37-38页 |
| ·组合模型的权重确定 | 第38-39页 |
| ·组合预测模型在某地区电网STLF中的应用 | 第39-44页 |
| ·负荷及影响因素的量化处理 | 第39页 |
| ·训练样本集的构造 | 第39页 |
| ·预测实现流程 | 第39页 |
| ·组合预测模型在某地区电网STLF中仿真测试 | 第39-44页 |
| 结论 | 第44-46页 |
| 参考文献 | 第46-50页 |
| 攻读学位期间的研究成果 | 第50-52页 |
| 致谢 | 第52-54页 |