| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 1 绪论 | 第8-20页 |
| ·电力系统负荷预测的研究背景及意义 | 第8-10页 |
| ·负荷预测的概念 | 第8页 |
| ·负荷预测的分类 | 第8页 |
| ·负荷预测的特点 | 第8-9页 |
| ·短期负荷预测概念及意义 | 第9-10页 |
| ·国内外短期负荷预测研究和应用现状 | 第10-18页 |
| ·传统的短期负荷预测方法 | 第10-14页 |
| ·现代的短期负荷预测方法 | 第14-18页 |
| ·短期负荷预测方法应用现状分析 | 第18页 |
| ·本文所做的工作及章节安排 | 第18-20页 |
| 2 负荷预测的数据处理与模糊聚类分析 | 第20-40页 |
| ·负荷分类和特性分析 | 第20-24页 |
| ·电力负荷的分类 | 第20-21页 |
| ·短期负荷特性分析 | 第21-24页 |
| ·负荷历史数据预处理 | 第24-26页 |
| ·异常数据的分析 | 第24-25页 |
| ·异常数据的辨识与处理 | 第25-26页 |
| ·负荷预测误差分析 | 第26-29页 |
| ·误差产生原因 | 第26页 |
| ·误差分析 | 第26-29页 |
| ·优化模糊C均值聚类分析 | 第29-40页 |
| ·聚类分析的基本概念 | 第29-30页 |
| ·模糊划分空间 | 第30-31页 |
| ·模糊C均值聚类算法 | 第31-34页 |
| ·优化模糊C均值聚类算法及流程 | 第34-40页 |
| 3 最小二乘支持向量机与短期负荷预测 | 第40-62页 |
| ·统计学理论基础和支持向量机概述 | 第40-48页 |
| ·统计学习理论 | 第40-44页 |
| ·支持向量机基本原理 | 第44-48页 |
| ·最小二乘支持向量机(LS-SVM)原理 | 第48-54页 |
| ·支持向量机回归(SVR)模型 | 第48-50页 |
| ·核函数选取 | 第50-51页 |
| ·最小二乘支持向量机(LS-SVM)回归模型 | 第51-54页 |
| ·基于LS-SVM的短期负荷预测 | 第54-62页 |
| ·基于LS-SVM短期负荷预测参数选取 | 第54-55页 |
| ·基于LS-SVM短期负荷预测步骤 | 第55-56页 |
| ·误差评价标准及算例分析 | 第56-62页 |
| 4 基于模糊聚类分析与LS-SVM的短期负荷预测模型及仿真实例 | 第62-68页 |
| ·模型构建及算法流程 | 第62-64页 |
| ·建模及预测的具体步骤 | 第62-63页 |
| ·负荷预测的基本流程 | 第63-64页 |
| ·预测实例及算例分析 | 第64-67页 |
| ·本章小结 | 第67-68页 |
| 5 结论及展望 | 第68-70页 |
| ·本文所得结论 | 第68-69页 |
| ·未来工作展望 | 第69-70页 |
| 致谢 | 第70-72页 |
| 参考文献 | 第72-76页 |
| 攻读硕士学位期间发表的论文 | 第76页 |
| 攻读硕士期间参与的科研项目 | 第76页 |