| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第9-23页 |
| 1.1 研究背景及意义 | 第9-11页 |
| 1.2 负荷预测基本介绍 | 第11-19页 |
| 1.2.1 电力系统短期负荷预测的特点 | 第11-12页 |
| 1.2.2 电力系统短期负荷预测的影响因素 | 第12-14页 |
| 1.2.3 负荷预测主要方法 | 第14-17页 |
| 1.2.4 电力系统短期负荷预测流程 | 第17-19页 |
| 1.3 国内外研究现状 | 第19-22页 |
| 1.4 论文的主要工作 | 第22-23页 |
| 第二章 短期负荷预测涉及的基本技术与理论 | 第23-35页 |
| 2.1 聚类分析的基本理论 | 第23-25页 |
| 2.1.1 模糊C均值理论 | 第23-24页 |
| 2.1.2 欧氏距离 | 第24-25页 |
| 2.2 支持向量机的分类原理 | 第25-31页 |
| 2.2.1 线性支持向量机的基本原理 | 第26-28页 |
| 2.2.2 线性不可分支持向量机的基本原理 | 第28-30页 |
| 2.2.3 支持向量机的多分类原理 | 第30-31页 |
| 2.3 支持向量机的回归原理 | 第31-34页 |
| 2.3.1 线性支持向量机 | 第31-33页 |
| 2.3.2 非线性支持向量机 | 第33-34页 |
| 2.4 本章小结 | 第34-35页 |
| 第三章 基于聚类算法与支持向量机的电力系统短期负荷预测 | 第35-44页 |
| 3.1 负荷预测主要步骤 | 第35-36页 |
| 3.2 样本数据预处理方法 | 第36-38页 |
| 3.2.1 异常数据的种类 | 第36-37页 |
| 3.2.2 异常数据的处理方式 | 第37-38页 |
| 3.3 负荷预测数据预处理 | 第38-42页 |
| 3.3.1 数据归一化处理 | 第38-39页 |
| 3.3.2 样本数据预处理 | 第39-42页 |
| 3.4 误差分析 | 第42页 |
| 3.5 本章小结 | 第42-44页 |
| 第四章 算例分析 | 第44-48页 |
| 4.1 方案一 | 第44-45页 |
| 4.2 方案二 | 第45-46页 |
| 4.3 两种方案的综合对比分析 | 第46-47页 |
| 4.4 本章小结 | 第47-48页 |
| 第五章 结论与展望 | 第48-50页 |
| 5.1 结论 | 第48页 |
| 5.2 展望 | 第48-50页 |
| 参考文献 | 第50-52页 |
| 附录 | 第52-58页 |
| 攻读硕士学位期间取得的研究成果 | 第58-59页 |
| 致谢 | 第59-60页 |
| 附表 | 第60页 |