封面
声明
中文摘要
英文摘要
目录
第1章 绪论
1.1 电力系统负荷预测概述
1.1.1 短期负荷预测的传统方法
1.1.2 短期负荷预测的研究现状
1.2 数据挖掘技术
1.2.1 数据挖掘常用方法[27]
1.2.2 电力系统负荷预测数据挖掘研究现状
1.3 本文的研究内容
第2章 基于数据挖掘的负荷特征聚类
2.1 聚类分析
2.1.1 几种聚类方法的介绍
2.2 负荷曲线的规律分析及特征量选择
2.2.1 负荷特征分析
2.2.2 负荷特征量选取
2.2.3 基于负荷特征量的负荷模式聚类
第3章 基于数据挖掘和灰色模型的异常数据处理
3.1 数据预处理
3.2 基于数据挖掘的异常数据检测
3.3 基于灰色理论的异常数据修正
3.3.1 灰色系统理论
3.3.2 灰色序列生成
3.3.3 基于灰色预测模型的异常数据修正算法
3.3.4 数据预处理算例
3.4 本章小结
第4章 南京地区负荷预测实例分析
4.1 特征参数提取与聚类分析
4.2 异常数据检测与修正
4.2.1 异常数据检测
4.2.2 异常数据修正
4.3 基于人工神经网络的最终负荷预测
4.3.1 神经网络算法
4.3.2 基于BP神经网络的最终负荷预测
4.4 本章小结
第5章 结论与展望
参考文献
致谢
作者简介