| 摘要 | 第1-5页 |
| ABSTRACT | 第5-12页 |
| 第1章 绪论 | 第12-24页 |
| ·电力负荷预测概述 | 第12-15页 |
| ·电力负荷预测的研究背景及研究意义 | 第12页 |
| ·电力负荷预测的分类 | 第12-14页 |
| ·短期电力负荷预测 | 第14-15页 |
| ·电力负荷预测方法和国内外研究现状 | 第15-22页 |
| ·电力负荷预测方法介绍 | 第15-20页 |
| ·国内研究现状 | 第20-21页 |
| ·国外研究现状 | 第21-22页 |
| ·本文主要工作 | 第22-24页 |
| 第2章 基于小波分解与粒子群优化支持向量机的短期电力负荷预测 | 第24-43页 |
| ·支持向量机原理 | 第24-27页 |
| ·VC 维与推广边界 | 第24-25页 |
| ·结构风险的最小化 | 第25-26页 |
| ·经验风险的最小化 | 第26-27页 |
| ·支持向量机的算法、核函数及主要参数 | 第27-31页 |
| ·支持向量机的算法 | 第27-29页 |
| ·支持向量机的核函数 | 第29-30页 |
| ·支持向量机的主要参数 | 第30-31页 |
| ·粒子群优化算法 | 第31-34页 |
| ·粒子群算法的原理 | 第31-32页 |
| ·粒子群算法的流程 | 第32-34页 |
| ·小波变换理论 | 第34-38页 |
| ·小波函数 | 第34页 |
| ·小波变换分类 | 第34-35页 |
| ·小波变换的 Mallat 算法 | 第35-38页 |
| ·短期电力负荷预测模型 | 第38-39页 |
| ·数据预处理 | 第38页 |
| ·小波分解 | 第38-39页 |
| ·核函数的选取以及参数的选择 | 第39页 |
| ·仿真研究 | 第39-42页 |
| ·本章小结 | 第42-43页 |
| 第3章 基于模糊聚类选取相似日的短期电力负荷预测 | 第43-52页 |
| ·模糊聚类分析 | 第43-45页 |
| ·数据标准化 | 第44页 |
| ·建立模糊相似矩阵 | 第44-45页 |
| ·模糊聚类传递闭包法 | 第45页 |
| ·相似日 | 第45-48页 |
| ·不同日的差异度与相似度 | 第46-47页 |
| ·计算的实际处理 | 第47页 |
| ·映射数据库的建立 | 第47-48页 |
| ·基于模糊聚类选取相似日的短期电力负荷预测模型 | 第48页 |
| ·仿真研究 | 第48-51页 |
| ·本章小结 | 第51-52页 |
| 第4章 短期电力负荷预测系统 | 第52-61页 |
| ·系统总体结构 | 第52-54页 |
| ·系统开发工具 | 第54页 |
| ·系统界面和测试 | 第54-60页 |
| ·用户登录 | 第54-56页 |
| ·数据导入模块 | 第56页 |
| ·相似日查找模块 | 第56-57页 |
| ·负荷预测模块 | 第57-59页 |
| ·误差评价模块 | 第59-60页 |
| ·数据保存模块 | 第60页 |
| ·本章小结 | 第60-61页 |
| 第5章 结论与展望 | 第61-62页 |
| ·结论 | 第61页 |
| ·展望 | 第61-62页 |
| 参考文献 | 第62-65页 |
| 致谢 | 第65-66页 |
| 攻读硕士学位期间已发表或录用的论文 | 第66-67页 |
| 参与科研项目及所获奖励 | 第67-69页 |