| 中文摘要 | 第1-3页 |
| ABSTRACT | 第3-6页 |
| 第一章 绪论 | 第6-9页 |
| ·电力短期负荷预测及其意义 | 第6页 |
| ·目前国内外研究现状 | 第6-8页 |
| ·本文的主要工作 | 第8-9页 |
| 第二章 短期负荷预测策略与智能预测方法简介 | 第9-20页 |
| ·强人工智能和弱人工智能 | 第9-10页 |
| ·预测策略的发展简介 | 第10-11页 |
| ·“机理+辨识”预测策略及其在短期负荷预测中的应用 | 第11-16页 |
| ·短期负荷预测常用技术简介 | 第11-16页 |
| ·短期负荷预测中的“机理+辨识”预测策略 | 第16页 |
| ·短期负荷预测软件系统中的智能技术 | 第16-20页 |
| ·动态数据驱动应用系统DDDAS | 第16-17页 |
| ·机器学习中的机械学习 | 第17-18页 |
| ·粗糙集理论 | 第18-19页 |
| ·数据挖掘 | 第19-20页 |
| 第三章 考虑天气因子影响的短期负荷预测的“机理+辨识”策略 | 第20-32页 |
| ·引言 | 第20页 |
| ·“机理+辨识”预测策略 | 第20页 |
| ·“机理+辨识”预测策略的具体思路 | 第20页 |
| ·分析天气因子与负荷的关系 | 第20-26页 |
| ·用多元回归和相关系数法分析天气因子对负荷影响 | 第21-23页 |
| ·用粗糙集方法分析天气因子对负荷影响 | 第23-25页 |
| ·天气影响因子的筛选 | 第25-26页 |
| ·第一阶段的天气-负荷的回归 | 第26-29页 |
| ·天气影响因子与负荷回归 | 第26-29页 |
| ·计算“天气-负荷”线性多元回归后的剩余 | 第29页 |
| ·第二阶段的混沌辨识预测 | 第29-31页 |
| ·结论 | 第31-32页 |
| 第四章 短期负荷预测的Ensemble 混沌预测方法 | 第32-42页 |
| ·引言 | 第32页 |
| ·天气预报的ensemble 预报方法 | 第32-36页 |
| ·Ensemble 预报方法要点简介 | 第32-33页 |
| ·Ensemble 预报方法的核心特征 | 第33-34页 |
| ·Ensemble 天气预报中初值扰动的生成 | 第34-35页 |
| ·Ensemble 预报发展趋势 | 第35-36页 |
| ·Ensemble 预报方法移植到短期负荷预测 | 第36-37页 |
| ·Ensemble 预报移植的思想 | 第36页 |
| ·混沌ensemble 预测 | 第36-37页 |
| ·Eunite 负荷混沌ensemble 预测示例 | 第37-40页 |
| ·基本数据说明 | 第37页 |
| ·混沌ensemble 预测结果 | 第37-39页 |
| ·关于白噪声强度QD 优化的思考 | 第39-40页 |
| ·结论 | 第40-42页 |
| 第五章 “机理+辨识”策略中预测结果的智能合成 | 第42-48页 |
| ·各种单一预测方法的预测结果 | 第42-44页 |
| ·组合预测策略中多预测结果的合成 | 第44-46页 |
| ·“机理+辨识”预测策略中多预测结果的智能合成 | 第46-47页 |
| ·结论 | 第47-48页 |
| 第六章 结论 | 第48-49页 |
| 参考文献 | 第49-52页 |
| 发表论文和科研情况说明 | 第52-53页 |
| 致谢 | 第53页 |
