| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-20页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 电力系统负荷预测的研究内容 | 第11-14页 |
| 1.2.1 负荷预测的内容 | 第11-12页 |
| 1.2.2 负荷预测的分类 | 第12-14页 |
| 1.3 电力系统负荷预测的国内外研究现状 | 第14-17页 |
| 1.4 论文主要工作与章节安排 | 第17-20页 |
| 第二章 电力负荷特性分析基础 | 第20-28页 |
| 2.1 短期负荷预测的特点 | 第20页 |
| 2.2 电力负荷的影响因素 | 第20-22页 |
| 2.3 常见负荷特征指标及实例分析 | 第22-26页 |
| 2.3.1 常见负荷特性指标 | 第22-23页 |
| 2.3.2 实例分析 | 第23-26页 |
| 2.4 短期负荷预测技术方案 | 第26-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第三章 负荷序列的频域分解 | 第28-36页 |
| 3.1 小波基本理论分析 | 第28-32页 |
| 3.1.2 小波变换基础理论 | 第28-30页 |
| 3.1.3 多分辨率分析算法原理 | 第30-32页 |
| 3.2 采用小波多分辨分析的负荷分解 | 第32-35页 |
| 3.2.1 小波函数的选取 | 第32-33页 |
| 3.2.2 采用db2小波基函数对负荷序列分解 | 第33-35页 |
| 3.3 本章小结 | 第35-36页 |
| 第四章 多分量短期负荷预测模型 | 第36-54页 |
| 4.1 低频负荷分量预测 | 第36-41页 |
| 4.1.1 时间序列分析法原理 | 第36-37页 |
| 4.1.2 低频分量a3序列的性质分析 | 第37-39页 |
| 4.1.3 采用ARIMA模型的低频分量预测 | 第39-41页 |
| 4.2 负荷影响因素的选择 | 第41-43页 |
| 4.2.1 mRMR特征选择算法原理 | 第41-42页 |
| 4.2.2 负荷影响因素筛选的实例分析 | 第42-43页 |
| 4.3 高频负荷分量预测 | 第43-47页 |
| 4.3.1 最小二乘支持向量机算法原理 | 第43-45页 |
| 4.3.2 采用LS-SVM模型的d3、d2分量预测 | 第45-46页 |
| 4.3.3 基于同类型日思想的d1分量预测 | 第46-47页 |
| 4.4 预测结果的分析 | 第47-53页 |
| 4.4.1 预测结果的重构 | 第47-49页 |
| 4.4.2 多模型预测误差的对比分析 | 第49-53页 |
| 4.5 本章小结 | 第53-54页 |
| 第五章 总结与展望 | 第54-56页 |
| 5.1 总结 | 第54-55页 |
| 5.2 研究展望 | 第55-56页 |
| 致谢 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 附录A 硕士期间发表的论文专利及软著 | 第62页 |