| 摘要 | 第1-10页 |
| ABSTRACT | 第10-13页 |
| 第一章 绪论 | 第13-43页 |
| ·目的与意义 | 第13-14页 |
| ·分类与回归预测在电力系统中的研究现状 | 第14-32页 |
| ·基于机器学习的模式分类与回归分析 | 第14-17页 |
| ·人工神经网络的发展 | 第17-19页 |
| ·ANN在电力系统中的应用现状 | 第19-27页 |
| ·支持向量机的兴起 | 第27-32页 |
| ·存在的问题 | 第32-34页 |
| ·基于稀疏贝叶斯学习方法的回归与分类 | 第34-41页 |
| ·简单概率式预测 | 第34-35页 |
| ·基于稀疏贝叶斯学习方法的回归分析 | 第35-38页 |
| ·基于稀疏贝叶斯学习方法的模式分类 | 第38-41页 |
| ·本文的主要研究内容和创新性成果 | 第41-43页 |
| 第二章 基于稀疏贝叶斯学习方法的中期负荷预测研究 | 第43-75页 |
| ·引言 | 第43页 |
| ·电力系统负荷预测基本内容与方法 | 第43-51页 |
| ·负荷预测的内容与分类 | 第44-45页 |
| ·负荷预测的基本过程 | 第45-46页 |
| ·电力负荷预测方法简介 | 第46-50页 |
| ·提高负荷预测精度的措施 | 第50-51页 |
| ·基于稀疏贝叶斯学习方法的中期负荷预测模型 | 第51-73页 |
| ·相关向量机中期负荷预测建模 | 第52-59页 |
| ·基于形状相似的负荷曲线多重聚类分析 | 第59-66页 |
| ·基于多重聚类分析的相关向量机中期负荷预测模型 | 第66-68页 |
| ·基于PSO优化的组合核函数相关向量机中期负荷预测模型 | 第68-73页 |
| ·小结 | 第73-75页 |
| 第三章 基于稀疏贝叶斯学习方法的暂态稳定评估研究 | 第75-98页 |
| ·引言 | 第75页 |
| ·电力系统暂态稳定性研究基本内容与方法 | 第75-80页 |
| ·基于稀疏贝叶斯学习方法的暂态稳定评估模型 | 第80-96页 |
| ·相关向量机暂态稳定评估建模 | 第80-86页 |
| ·基于核主成分分析的特征提取 | 第86-91页 |
| ·基于特征提取的相关向量机暂态稳定评估模型 | 第91-94页 |
| ·基于PSO优化的组合核函数相关向量机暂态稳定评估模型 | 第94-96页 |
| ·小结 | 第96-98页 |
| 第四章 总结 | 第98-101页 |
| ·论文的主要工作和总结 | 第98-100页 |
| ·进一步研究工作的展望 | 第100-101页 |
| 参考文献 | 第101-112页 |
| 致谢 | 第112-113页 |
| 作者在攻读博士学位期间发表的学术论文 | 第113-115页 |
| 学位论文评阅及答辩情况表 | 第115页 |