| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第一章 绪论 | 第7-13页 |
| ·短期负荷预测的研究意义 | 第7-8页 |
| ·短期负荷预测的研究现状 | 第8-11页 |
| ·论文研究内容和组织结构 | 第11-13页 |
| 第二章 聚类分析和支持向量机基本理论 | 第13-28页 |
| ·聚类分析 | 第13-21页 |
| ·聚类概述 | 第13页 |
| ·主要聚类方法分类 | 第13-16页 |
| ·SOM算法和C-均值算法 | 第16-18页 |
| ·相似性度量 | 第18-20页 |
| ·聚类效果判断准则 | 第20-21页 |
| ·支持向量机的统计学习理论基础 | 第21-24页 |
| ·学习过程一致性的条件 | 第21-22页 |
| ·VC维和推广性的界 | 第22-23页 |
| ·结构风险最小化 | 第23-24页 |
| ·支持向量机回归算法及核函数 | 第24-27页 |
| ·本章小结 | 第27-28页 |
| 第三章 基于聚类分析与SVM的短期负荷预测建模 | 第28-49页 |
| ·负荷预测基本原理 | 第28-29页 |
| ·负荷预测总体思想 | 第29-30页 |
| ·负荷特性分析 | 第30-38页 |
| ·负荷自身的周期性、相似性分析 | 第30-34页 |
| ·温度、湿度和负荷的相关性分析 | 第34-37页 |
| ·季节对负荷的影响 | 第37-38页 |
| ·宏观因素对负荷的影响 | 第38页 |
| ·数据预处理 | 第38-40页 |
| ·对缺失数据的处理 | 第38-39页 |
| ·对坏数据的处理 | 第39-40页 |
| ·数据的归一化处理 | 第40页 |
| ·基于聚类分析的相似日选择 | 第40-45页 |
| ·特征量的选取 | 第40-41页 |
| ·映射库的设计 | 第41-42页 |
| ·基于SOM和C-均值的聚类组合算法 | 第42-45页 |
| ·基于SVM的短期负荷预测 | 第45-48页 |
| ·SVM核函数及其参数选择 | 第45-46页 |
| ·SVM短期负荷预测步骤 | 第46-48页 |
| ·本章小结 | 第48-49页 |
| 第四章 基于聚类分析与SVM的短期负荷预测实例分析 | 第49-60页 |
| ·相似日选择分析 | 第49-52页 |
| ·预测结果分析 | 第52-59页 |
| ·负荷预测误差指标 | 第52-53页 |
| ·96点负荷预测结果分析 | 第53-59页 |
| ·本章小结 | 第59-60页 |
| 第五章 总结与展望 | 第60-62页 |
| ·论文工作总结 | 第60页 |
| ·进一步研究的考虑 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 致谢 | 第66-67页 |
| 攻读学位期间主要的研究成果 | 第67页 |