| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 绪论 | 第11-19页 |
| 1.1 电力系统负荷预测的背景及意义 | 第11-12页 |
| 1.1.1 负荷预测的特点 | 第11-12页 |
| 1.1.2 负荷预测的分类 | 第12页 |
| 1.1.3 对负荷预测的要求 | 第12页 |
| 1.2 电力系统负荷预测方法研究现状 | 第12-16页 |
| 1.2.1 传统负荷预测方法 | 第13-14页 |
| 1.2.2 现代负荷预测方法 | 第14-16页 |
| 1.3 本文的研究内容 | 第16-19页 |
| 2 负荷特性分析和相似日选择 | 第19-29页 |
| 2.1 电力系统负荷特性分析 | 第19-21页 |
| 2.1.1 负荷预测的基本组成及其特性 | 第19-20页 |
| 2.1.2 典型负荷分量的特性 | 第20-21页 |
| 2.2 负荷预测的基本过程 | 第21-24页 |
| 2.3 相似日选择 | 第24-27页 |
| 2.3.1 熵权法 | 第24-25页 |
| 2.3.2 灰色关联度 | 第25-27页 |
| 2.3.3 加权灰色关联度 | 第27页 |
| 2.4 本章小结 | 第27-29页 |
| 3 Copula相关结构及预测方法 | 第29-49页 |
| 3.1 传统的相关性分析方法 | 第29-31页 |
| 3.1.1 散点图法 | 第29页 |
| 3.1.2 线性相关系数 | 第29-30页 |
| 3.1.3 肯德尔相关系数和斯皮尔曼相关系数 | 第30页 |
| 3.1.4 尾部相关系数 | 第30-31页 |
| 3.1.5 传统相关性分析方法存在的问题 | 第31页 |
| 3.2 Copula函数概述 | 第31-36页 |
| 3.2.1 联合分布和边缘分布 | 第31-33页 |
| 3.2.2 Copula函数的定义及Sklar定理 | 第33-34页 |
| 3.2.3 常用Copula函数 | 第34-36页 |
| 3.3 基于Copula函数的相关性分析方法 | 第36-43页 |
| 3.3.1 边缘分布函数的建立 | 第36-38页 |
| 3.3.2 Copula函数中未知参数估计 | 第38-41页 |
| 3.3.3 最优Copula函数选择 | 第41-42页 |
| 3.3.4 选用Copula函数进行相关性度量的优势 | 第42-43页 |
| 3.4 Copula预测模型 | 第43-47页 |
| 3.4.1 条件分布和数学期望 | 第43-44页 |
| 3.4.2 Copula预测模型推导 | 第44-45页 |
| 3.4.3 混合罚函数法 | 第45-47页 |
| 3.5 本章小结 | 第47-49页 |
| 4 算例分析 | 第49-73页 |
| 4.1 支持向量回归机和灰色模型 | 第49-55页 |
| 4.1.1 支持向量回归机 | 第49-54页 |
| 4.1.2 灰色模型 | 第54-55页 |
| 4.2 相似日选择结果 | 第55-57页 |
| 4.3 Copula相关结构建立结果 | 第57-62页 |
| 4.3.1 边缘分布函数的建立结果 | 第57-59页 |
| 4.3.2 最优Copula函数的选择结果 | 第59-62页 |
| 4.4 各方法预测结果对比 | 第62-71页 |
| 4.5 本章小结 | 第71-73页 |
| 5 结论 | 第73-75页 |
| 参考文献 | 第75-79页 |
| 作者简历及攻读硕士/博士学位期间取得的研究成果 | 第79-83页 |
| 学位论文数据集 | 第83页 |