| 摘要 | 第1-5页 |
| Abstract | 第5-6页 |
| 目录 | 第6-8页 |
| 第一章 绪论 | 第8-15页 |
| ·论文选题的背景和意义 | 第8-9页 |
| ·电力负荷预测的特点及研究现状 | 第9-14页 |
| ·电力负荷预测的特点 | 第9-11页 |
| ·电力负荷预测的研究现状及动向 | 第11-14页 |
| ·本文的主要工作及内容安排 | 第14-15页 |
| 第二章 短期电力负荷分析与预测方法 | 第15-31页 |
| ·短期电力负荷预测原理 | 第15-20页 |
| ·短期电力负荷的特点 | 第15-19页 |
| ·短期电力负荷预测的原理 | 第19-20页 |
| ·短期负荷预测方法 | 第20-26页 |
| ·回归分析 | 第20页 |
| ·时间序列分析 | 第20-21页 |
| ·灰色系统理论 | 第21页 |
| ·人工神经网络 | 第21-23页 |
| ·专家系统 | 第23-24页 |
| ·模糊理论 | 第24页 |
| ·小波分析 | 第24-25页 |
| ·支持向量机 | 第25-26页 |
| ·短期负荷特性分析 | 第26-30页 |
| ·短期负荷的构成 | 第26-28页 |
| ·影响短期负荷的因素 | 第28-30页 |
| ·本章小结 | 第30-31页 |
| 第三章 高斯过程回归理论及其在短期电力负荷预测的应用 | 第31-45页 |
| ·机器学习基本理论 | 第31-33页 |
| ·高斯过程基本理论 | 第33-37页 |
| ·高斯过程 | 第34-35页 |
| ·高斯回归 | 第35-37页 |
| ·基于高斯过程回归的短期电力负荷预测 | 第37-39页 |
| ·训练样本的选取和输入向量的设计 | 第37-38页 |
| ·短期负荷预测的GP算法 | 第38-39页 |
| ·算例验证与结果分析 | 第39-44页 |
| ·本章小结 | 第44-45页 |
| 第四章 基于EMD和高斯过程回归理论的短期电力负荷组合预测 | 第45-56页 |
| ·EMD基本原理 | 第45-48页 |
| ·本征模态函数 | 第46页 |
| ·EMD分解 | 第46-48页 |
| ·EMD重构 | 第48页 |
| ·EMD-高斯过程回归的短期电力负荷组合预测方法 | 第48-52页 |
| ·短期负荷序列的EMD分解 | 第49-50页 |
| ·基于EMD和高斯过程回归的短期电力负荷预测组合算法 | 第50-52页 |
| ·算例验证 | 第52-55页 |
| ·本章小结 | 第55-56页 |
| 第五章 结论与展望 | 第56-58页 |
| ·结论 | 第56-57页 |
| ·后续工作的展望 | 第57-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-63页 |
| 附录A 攻读硕士学位期间公开发表的论文 | 第63页 |
