| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第10-20页 |
| 1.1 电力系统负荷预报研究背景及意义 | 第10-11页 |
| 1.2 影响电力负荷变化的因素 | 第11-12页 |
| 1.3 电力系统负荷预报国内外研究现状 | 第12-17页 |
| 1.4 本文主要研究内容 | 第17-20页 |
| 第2章 时间序列分析法 | 第20-24页 |
| 2.1 时间序列分析法 | 第20-21页 |
| 2.2 时间序列的建模方法 | 第21-23页 |
| 2.2.1 模型建立的基本条件 | 第21页 |
| 2.2.2 模型重复选择的过程 | 第21-22页 |
| 2.2.3 时间序列的自适应模型以及估计的递推算法 | 第22-23页 |
| 2.3 本章小结 | 第23-24页 |
| 第3章 基于最小二乘算法的在线滚动短期电力负荷预报 | 第24-38页 |
| 3.1 最小二乘法的电力系统短期负荷预报 | 第24-27页 |
| 3.2 带遗忘因子最小二乘算法 | 第27-29页 |
| 3.3 基于最小二乘的在线滚动预报 | 第29-30页 |
| 3.4 负荷预测模型的误差评价 | 第30-32页 |
| 3.5 仿真实例及分析 | 第32-36页 |
| 3.6 本章小结 | 第36-38页 |
| 第4章 灰色系统的基本理论及预报结果 | 第38-48页 |
| 4.1 灰色理论的基本概念 | 第38-40页 |
| 4.1.1 灰色系统的定义及基本特点 | 第38-39页 |
| 4.1.2 灰色系统理论数据处理的基本方法 | 第39-40页 |
| 4.2 灰色系统建模 | 第40-44页 |
| 4.2.1 GM (1，1)模型 | 第40-43页 |
| 4.2.2 模型预报误差分析 | 第43-44页 |
| 4.3 灰色系统建模的改进 | 第44-45页 |
| 4.4 仿真实例及分析 | 第45-47页 |
| 4.5 本章小结 | 第47-48页 |
| 第5章 基于Kalman滤波的在线滚动预报 | 第48-58页 |
| 5.1 Kalman滤波的递推过程 | 第48-50页 |
| 5.2 基于Kalman滤波的自适应AR模型 | 第50-51页 |
| 5.3 基于Kalman滤波算法的Volterra核估计 | 第51-52页 |
| 5.4 基于Kalman滤波算法的在线滚动Volterra核估计 | 第52-53页 |
| 5.5 仿真实例及分析 | 第53-57页 |
| 5.6 本章小结 | 第57-58页 |
| 结论 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第64-66页 |
| 致谢 | 第66页 |
