| 中文摘要 | 第1-6页 |
| 英文摘要 | 第6-14页 |
| 第一章 绪论 | 第14-22页 |
| ·研究背景与研究意义 | 第14-16页 |
| ·主要研究内容 | 第16-18页 |
| ·研究方案、特色及难点 | 第18-19页 |
| ·研究框架归纳与理论基础 | 第19-20页 |
| ·预期的成果及创新点 | 第20-22页 |
| 第二章 国内外相关理论研究动态 | 第22-40页 |
| ·电力市场预测相关问题研究动态 | 第22-27页 |
| ·短期负荷预测研究动态 | 第22-24页 |
| ·短期电价预测研究动态 | 第24-27页 |
| ·发电商报价策略研究方法动态 | 第27-29页 |
| ·基于成本分析的方法 | 第27页 |
| ·基于预测市场电价的报价方法 | 第27-28页 |
| ·估计竞争对手的报价行为的方法 | 第28-29页 |
| ·金融风险计量管理理论（VaR）研究进展 | 第29-37页 |
| ·VaR的含义 | 第29页 |
| ·VaR的产生背景 | 第29-30页 |
| ·VaR的测量基础 | 第30页 |
| ·经典VaR方法 | 第30-34页 |
| ·极端VaR方法 | 第34-37页 |
| ·发电商风险管理研究综述 | 第37-40页 |
| 第三章 基于改进蚁群算法的电力市场短期负荷最优化组合预测模型 | 第40-70页 |
| ·负荷预测对发电商市场分析的意义 | 第40-41页 |
| ·电力市场环境下负荷变化的特点 | 第41-43页 |
| ·负荷预测中的数据处理相关问题设定 | 第43-45页 |
| ·历史数据的处理原则 | 第43-44页 |
| ·预测中“近大远小”原则的贯彻 | 第44页 |
| ·对预测误差分析标准的设定 | 第44-45页 |
| ·基于时间序列方法的负荷预测模型 | 第45-46页 |
| ·AR模型 | 第45-46页 |
| ·MA模型 | 第46页 |
| ·ARMA模型 | 第46页 |
| ·ARIMA模型 | 第46页 |
| ·基于遗传算法改进小波神经网络的负荷预测模型 | 第46-56页 |
| ·小波神经网络原理 | 第47-49页 |
| ·利用遗传算法优化小波网络 | 第49-54页 |
| ·改进遗传小波神经网络预测模型预测效果分析 | 第54-56页 |
| ·基于混沌模糊神经网络的负荷预测模型 | 第56-61页 |
| ·动态模糊神经网络的预测模型 | 第56-58页 |
| ·混沌学习方法设计 | 第58-59页 |
| ·基于混沌模糊神经网络的负荷预测模型 | 第59页 |
| ·混沌模糊神经网络预测效果分析 | 第59-61页 |
| ·基于改进蚁群算法的最优化组合预测模型 | 第61-64页 |
| ·组合预测模型的建立 | 第61-62页 |
| ·改进蚁群算法 | 第62-63页 |
| ·实例分析 | 第63-64页 |
| ·负荷预测预测敏感性分析 | 第64-68页 |
| ·可行的模型 | 第65页 |
| ·对输入因子的灵敏度 | 第65-68页 |
| ·本章小结 | 第68-70页 |
| 第四章 电力市场环境下MCP分析及ARIMA-SASVM混合预测模型 | 第70-94页 |
| ·引言 | 第70页 |
| ·电力市场环境下市场出清价的形成机制分析 | 第70-75页 |
| ·电力市场交易模式概述 | 第70-72页 |
| ·市场出清价结算机制 | 第72-73页 |
| ·电力市场出清价的形成过程 | 第73-75页 |
| ·市场出清价的特点 | 第75-77页 |
| ·影响市场出清价变化的因素分析 | 第77-81页 |
| ·发电商成本对价格的影响 | 第78页 |
| ·电力市场供应和需求对出清价的影响 | 第78-79页 |
| ·发电商的市场力对市场价格的影响 | 第79-80页 |
| ·负荷对出清电价的影响分析 | 第80-81页 |
| ·基于ARIMA-SASVM的混合预测模型 | 第81-88页 |
| ·时间序列时域分析方法 | 第81-83页 |
| ·SA-SVM预测子模型 | 第83-87页 |
| ·ARIMA-SASVM混合预测模型 | 第87页 |
| ·电价预测的性能评估 | 第87-88页 |
| ·实例分析 | 第88-92页 |
| ·本章小结 | 第92-94页 |
| 第五章 价格钉形成机制与考虑价格钉的电价预测模型 | 第94-108页 |
| ·价格钉的定义与概念 | 第94-95页 |
| ·电价中的价格钉 | 第94-95页 |
| ·价格钉的定义 | 第95页 |
| ·电价突变的形成机制分析 | 第95-99页 |
| ·过高的负荷 | 第95-96页 |
| ·发电商市场力 | 第96-97页 |
| ·过小的容量裕度 | 第97-99页 |
| ·市场力在考虑价格钉的电价预测中的量化 | 第99-101页 |
| ·市场力的度量指标比较与其对电价预测的适用程度 | 第99-101页 |
| ·市场供需比指标的构建 | 第101页 |
| ·考虑价格钉的电价预测模型 | 第101-104页 |
| ·价格钉的检测 | 第101-104页 |
| ·总体预测模型描述 | 第104页 |
| ·实例分析 | 第104-106页 |
| ·本章小结 | 第106-108页 |
| 第六章 基于MCP的发电商竞价决策优化模型及GIPHA求解算法设计 | 第108-130页 |
| ·引言 | 第108页 |
| ·发电商参与日前能量市场竞价建模 | 第108-111页 |
| ·单边交易模式 | 第108-110页 |
| ·双边交易模式 | 第110-111页 |
| ·发电商参与辅助服务市场和备用市场竞价建模 | 第111-112页 |
| ·基于MCP的发电竞价优化模型 | 第112-113页 |
| ·改进GIPSOHA优化求解算法设计 | 第113-115页 |
| ·PSO和GA算法概述 | 第113-114页 |
| ·改进迭代策略的自适应粒子群算法 | 第114-115页 |
| ·GIPHA算法 | 第115页 |
| ·GIPSOHA算法用于求解基于MCP的发电商竞价机组组合优化模型 | 第115-119页 |
| ·问题的描述 | 第115-116页 |
| ·初始化 | 第116页 |
| ·适应度值评价 | 第116-117页 |
| ·粒子群迭代过程与GA算法更新粒子群 | 第117页 |
| ·算法停止标准设定 | 第117页 |
| ·算法结构归纳 | 第117-119页 |
| ·仿真实例分析 | 第119-128页 |
| ·本章小结 | 第128-130页 |
| 第七章 计及风险的发电商竞价决策Gopula-GARCH-EVT建模及EP优化算法求解设计 | 第130-150页 |
| ·引言 | 第130-131页 |
| ·基于Gopula-GARCH-EVT发电商资产组合优化问题 | 第131-139页 |
| ·传统的资产组合优化模型存在的缺陷 | 第131-132页 |
| ·基于Copula-GARCH-EVT的发电商组合选择模型构建思路 | 第132-133页 |
| ·根据Copula函数构建反映金融资产收益率相关性的联合分布函数 | 第133-136页 |
| ·用蒙特卡罗方法模拟发电商竞价机组组合的收益率 | 第136-137页 |
| ·采用VaR和CVaR度量风险，构建基于均值-风险准则的资产组合选择模型 | 第137-138页 |
| ·兼顾利润最大化和风险最小化的竞价决策综合优化模型 | 第138-139页 |
| ·进化规划算法设计 | 第139-143页 |
| ·进化规划的发展及研究现状 | 第139-140页 |
| ·进化规划的几种表达方式 | 第140-141页 |
| ·进化规划的基本技术 | 第141-143页 |
| ·进化规划算法适应度评价函数设计 | 第143-144页 |
| ·仿真实例分析 | 第144-147页 |
| ·本章小结 | 第147-150页 |
| 第八章 结论与展望 | 第150-154页 |
| ·主要结论及创新性 | 第150-152页 |
| ·未来研究展望 | 第152-154页 |
| 参考文献 | 第154-164页 |
| 致谢 | 第164-165页 |
| 攻读博士学位期间发表的学术论文 | 第165-166页 |
| 攻读博士学位期间参加的科研工作 | 第166页 |
