| 中文摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第8-16页 |
| 1.1 课题的研究背景与意义 | 第8-9页 |
| 1.2 短期负荷预测的研究现状及其发展 | 第9-11页 |
| 1.2.1 负荷预测的发展及新特点 | 第9-10页 |
| 1.2.2 负荷预测的新思路 | 第10-11页 |
| 1.3 短期负荷预测的研究方法 | 第11-14页 |
| 1.3.1 传统预测方法 | 第11-12页 |
| 1.3.2 智能预测方法 | 第12-13页 |
| 1.3.3 现代预测方法 | 第13-14页 |
| 1.4 本文的主要工作 | 第14-16页 |
| 第二章 电力系统负荷预测的内容和评价指标 | 第16-21页 |
| 2.1 引言 | 第16页 |
| 2.2 负荷预测的基本内容 | 第16-18页 |
| 2.3 短期负荷预测的过程 | 第18-19页 |
| 2.4 电力系统负荷预测的评价指标 | 第19-20页 |
| 2.5 本章小结 | 第20-21页 |
| 第三章 EMD-FPA-SVM-KF的短期负荷预测 | 第21-47页 |
| 3.1 引言 | 第21-22页 |
| 3.2 负荷数据的预处理 | 第22-24页 |
| 3.2.1 数据的辨识 | 第22页 |
| 3.2.2 数据的修正与规范化 | 第22-24页 |
| 3.3 经验模态分解法的建立 | 第24-27页 |
| 3.3.1 EMD的原理 | 第25页 |
| 3.3.2 EMD方法的分解过程 | 第25-27页 |
| 3.4 支持向量机的基本原理 | 第27-31页 |
| 3.4.1 统计学习理论 | 第27-28页 |
| 3.4.2 支持向量机模型 | 第28-31页 |
| 3.5 花朵授粉算法的建立 | 第31-33页 |
| 3.5.1 花朵授粉算法的定义 | 第32-33页 |
| 3.5.2 花朵授粉算法的基本思路 | 第33页 |
| 3.6 卡尔曼滤波算法的建立 | 第33-35页 |
| 3.7 基于EMD-FPA-SVM-KF的短期负荷预测模型 | 第35-36页 |
| 3.8 电力系统短期负荷预测实例分析 | 第36-46页 |
| 3.9 本章小结 | 第46-47页 |
| 第四章 基于FPA-SVM的短期负荷概率性预测 | 第47-63页 |
| 4.1 引言 | 第47页 |
| 4.2 负荷预测误差的描述 | 第47-48页 |
| 4.3 负荷预测误差分布特性的统计 | 第48-49页 |
| 4.4 概率性置信区间 | 第49-50页 |
| 4.5 短期负荷概率性预测步骤 | 第50-52页 |
| 4.6 实例分析 | 第52-62页 |
| 4.7 本章小结 | 第62-63页 |
| 第五章 短期负荷概率性预测软件的开发 | 第63-74页 |
| 5.1 引言 | 第63页 |
| 5.2 系统的软件开发环境 | 第63-65页 |
| 5.3 系统的界面功能设计 | 第65-66页 |
| 5.4 系统软件的程序开发 | 第66-71页 |
| 5.4.1 系统软件的程序流程 | 第66-67页 |
| 5.4.2 系统软件的程序设计 | 第67-71页 |
| 5.5 系统软件的运行结果 | 第71-73页 |
| 5.6 本章小结 | 第73-74页 |
| 总结与展望 | 第74-75页 |
| 参考文献 | 第75-79页 |
| 致谢 | 第79-80页 |
| 个人简历、在学期间的研究成果及发表的学术论文 | 第80页 |