| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第一章 绪论 | 第9-16页 |
| 1．1 短期负荷预测的意义及任务 | 第9-10页 |
| 1．2 国内外短期负荷预测研究情况综述 | 第10-14页 |
| 1．2．1 短期负荷预测的研究现状 | 第10-13页 |
| 1．2．2 支持向量机应用于短期负荷预测的研究现状 | 第13-14页 |
| 1．3 本文的主要工作 | 第14-16页 |
| 第二章 支持向量机预测模型 | 第16-30页 |
| 2．1 引言 | 第16-17页 |
| 2．2 支持向量机原理 | 第17-24页 |
| 2．2．1 支持向量机线性回归模型 | 第17-23页 |
| 2．2．2 支持向量机非线性回归模型 | 第23-24页 |
| 2．3 粒子群优化算法 | 第24-27页 |
| 2．4 基于粒子群优化的支持向量机预测模型 | 第27-29页 |
| 2．5 本章小结 | 第29-30页 |
| 第三章 负荷特性分析和数据预处理 | 第30-41页 |
| 3．1 引言 | 第30页 |
| 3．2 短期负荷特性分析 | 第30-36页 |
| 3．2．1 典型负荷分量 | 第31-33页 |
| 3．2．2 天气敏感负荷分量 | 第33-35页 |
| 3．2．3 异常或特殊事件负荷分量和随机负荷分量 | 第35-36页 |
| 3．3 样本数据预处理 | 第36-40页 |
| 3．3．1 坏数据查找与替换 | 第36-38页 |
| 3．3．2 数据的归—化处理 | 第38-40页 |
| 3．4 本章小结 | 第40-41页 |
| 第四章 基于支持向量机的电力短期负荷预测 | 第41-55页 |
| 4．1 引言 | 第41-42页 |
| 4．2 支持向量机与模糊推理结合的短期负荷预测 | 第42-47页 |
| 4．2．1 相似日与支持向量机结合的负荷基本项预测 | 第42-44页 |
| 4．2．2 模糊推理对负荷随机项的预测 | 第44-47页 |
| 4．2．3 负荷预测结果的最终获得 | 第47页 |
| 4．3 实例仿真与结果分析 | 第47-53页 |
| 4．4 本章小结 | 第53-55页 |
| 第五章 基于支持向量机的节假日负荷预测 | 第55-66页 |
| 5．1 引言 | 第55页 |
| 5．2 节假日负荷特性分析 | 第55-58页 |
| 5．3 基于模糊推理和支持向量机的节假日负荷预测 | 第58-62页 |
| 5．3．1 负荷归一化曲线预测 | 第58-59页 |
| 5．3．2 最大最小负荷预测 | 第59-61页 |
| 5．3．3 节假日负荷预测流程 | 第61-62页 |
| 5．4 实例仿真与结果分析 | 第62-64页 |
| 5．5 本章小结 | 第64-66页 |
| 第六章 结论与展望 | 第66-68页 |
| 6．1 全文总结 | 第66-67页 |
| 6．2 后继工作的展望 | 第67-68页 |
| 参考文献 | 第68-71页 |
| 攻读硕士学位期间发表论文 | 第71-72页 |
| 致谢 | 第72页 |