| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第8-10页 |
| 第二章 神经网络在电力负荷预测中的研究及应用 | 第10-31页 |
| 2.1 前言 | 第10-12页 |
| 2.2 基本方法介绍 | 第12-15页 |
| 2.2.1 支持向量机 | 第12-13页 |
| 2.2.2 极端学习机 | 第13-14页 |
| 2.2.3 自适应模糊神经推断系统 | 第14页 |
| 2.2.4 优化算法 | 第14-15页 |
| 2.3 时间序列组合优化模型(TSCOM) | 第15-18页 |
| 2.3.1 时间序列的重构与预处理 | 第15-16页 |
| 2.3.2 TSCOM模型的构建 | 第16-18页 |
| 2.4 模型仿真和案例研究 | 第18-30页 |
| 2.4.1 数据信息,预测原则和研究案例 | 第19页 |
| 2.4.2 TSCOM模型用于案例1的详细过程 | 第19-23页 |
| 2.4.3 一个案例的研究：澳大利亚夏季电力负荷预测 | 第23-28页 |
| 2.4.4 TSCOM模型的整体预测效力 | 第28-30页 |
| 2.5 结论 | 第30-31页 |
| 第三章 局部模型神经网络在风速预测中的研究及应用 | 第31-66页 |
| 3.1 前言 | 第31-32页 |
| 3.2 研究方法介绍 | 第32-37页 |
| 3.2.1 多步策略的介绍和比较 | 第32-36页 |
| 3.2.2 EEMD算法简介 | 第36页 |
| 3.2.3 选择最优模型和平均模型 | 第36-37页 |
| 3.3 ALL_DDVC模型的提出 | 第37-42页 |
| 3.3.1 适用于多步与单步的懒惰学习法 | 第37-40页 |
| 3.3.2 验证布谷鸟搜索算法(VC) | 第40-41页 |
| 3.3.3 ALL-DDVC的规则和步骤 | 第41-42页 |
| 3.4 实验设计过程 | 第42-46页 |
| 3.4.1 删除异常值 | 第43-44页 |
| 3.4.2 预测精度评价 | 第44页 |
| 3.4.3 实验详细步骤 | 第44-46页 |
| 3.5 实验设计过程 | 第46-65页 |
| 3.5.1 用于风场A的原始方法的结果 | 第46-58页 |
| 3.5.2 在风电场A时ALL-DDVC的预测结果 | 第58-59页 |
| 3.5.3 对所有风电场的普遍结果 | 第59-65页 |
| 3.6 主要结论 | 第65-66页 |
| 参考文献 | 第66-74页 |
| 在学期间的研究成果 | 第74-75页 |
| 致谢 | 第75页 |