| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 课题背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 智能用电信息采集研究现状 | 第11页 |
| 1.2.2 电力负荷特性分析的研究现状 | 第11-12页 |
| 1.2.3 电力负荷预测的研究现状 | 第12-13页 |
| 1.3 本文的主要工作 | 第13-15页 |
| 第2章 智能用电信息采集系统 | 第15-23页 |
| 2.1 智能用电信息采集系统定位与作用 | 第15-16页 |
| 2.1.1 系统定位 | 第15页 |
| 2.1.2 系统作用 | 第15-16页 |
| 2.2 智能用电信息采集系统的组成与构架 | 第16-20页 |
| 2.2.1 系统组成 | 第16-17页 |
| 2.2.2 系统构架 | 第17-20页 |
| 2.2.2.1 主站系统 | 第18-19页 |
| 2.2.2.2 通信网络 | 第19-20页 |
| 2.2.2.3 采集终端 | 第20页 |
| 2.3 智能用电信息采集系统的应用 | 第20-21页 |
| 2.3.1 在需求侧管理中的应用 | 第21页 |
| 2.3.2 在配网规划中的应用 | 第21页 |
| 2.4 本章小结 | 第21-23页 |
| 第3章 基于智能用电信息采集的电力负荷特性分析 | 第23-40页 |
| 3.1 电力负荷特性的分类及特点 | 第23-24页 |
| 3.1.1 电力负荷特性的分类 | 第23页 |
| 3.1.2 电力负荷特性的特点 | 第23-24页 |
| 3.2 电力负荷特性指标体系 | 第24-26页 |
| 3.2.1 日负荷特性指标 | 第24-25页 |
| 3.2.2 月负荷特性指标 | 第25-26页 |
| 3.2.3 年负荷特性指标 | 第26页 |
| 3.3 基于海南电网的负荷特性分析实例 | 第26-32页 |
| 3.3.1 日负荷特性 | 第26-28页 |
| 3.3.2 月负荷特性 | 第28-30页 |
| 3.3.3 年负荷特性 | 第30-32页 |
| 3.4 影响电力负荷的因素 | 第32-34页 |
| 3.4.1 经济因素 | 第32-33页 |
| 3.4.2 时序因素 | 第33页 |
| 3.4.3 气象因素 | 第33-34页 |
| 3.4.4 随机因素 | 第34页 |
| 3.5 气象因素对电力负荷的影响分析 | 第34-39页 |
| 3.5.1 温度对电力负荷的影响 | 第34-37页 |
| 3.5.2 相对湿度对电力负荷的影响 | 第37-38页 |
| 3.5.3 风速对电力负荷的影响 | 第38-39页 |
| 3.6 本章小结 | 第39-40页 |
| 第4章 基于灰色马尔科夫法的短期负荷预测 | 第40-56页 |
| 4.1 负荷数据预处理 | 第40-42页 |
| 4.1.1 小波阈值去噪法 | 第40-42页 |
| 4.1.1.1 阈值函数的选取 | 第40-42页 |
| 4.1.1.2 阈值的确定 | 第42页 |
| 4.1.2 负荷数据小波去噪过程 | 第42页 |
| 4.2 基于灰色方法的短期电力负荷预测模型 | 第42-52页 |
| 4.2.1 灰色系统模型 | 第42-43页 |
| 4.2.2 累加生成 | 第43页 |
| 4.2.3 灰色GM模型的建立 | 第43-52页 |
| 4.2.3.1 GM(1,1)模型的建立及预测实例 | 第43-47页 |
| 4.2.3.2 模型精度检验 | 第47-48页 |
| 4.2.3.3 GM(1,N)模型的建立及预测实例 | 第48-52页 |
| 4.3 基于马尔科夫法的预测修正 | 第52-55页 |
| 4.3.1 马尔科夫定义 | 第52-53页 |
| 4.3.2 状态转移矩阵 | 第53页 |
| 4.3.3 马尔科夫法修正过程及实例 | 第53-55页 |
| 4.4 本章小结 | 第55-56页 |
| 第5章 结论与展望 | 第56-57页 |
| 参考文献 | 第57-62页 |
| 致谢 | 第62页 |