2.1电力负荷预测的概念及分类 5

2.2电力系统负荷预测的基本原理 5

2.3电力系统负荷的分类及特性 6

2.4电力系统负荷预测的特点 8

2.5电力系统负荷预测的影响因素 9

2.6负荷预测的基本步骤及误差原因 10

3  智能算法综述 11

3.1什么是智能算法 11

3.2智能算法的类型 11

3.3智能算法总结 13

4  基于粒子群算法的最小二乘向量机电力系统短期负荷预测 13

4.1最小二乘支持向量机法 13

4.2粒子群算法 16

4.3基于粒子群算法的最小二乘支持向量机参数优选法 16

4.4粒子群算法优化最小二乘支持向量机应用于电力负荷预测 18

4.5 PSO-LSSVM电力负荷预测实例分析 21

5  总结 30

5.1本文对电力系统负荷预测所做的工作 30

5.2遇到的问题及解决方法 30

5.3设计存在的缺陷 31

5.4对基于智能算法进行负荷预测的展望 31

参考文献 33

致谢 35

第一章

图清单

图序号 图名称 页码

图4-1 适应度曲线（ , ）

24

图4-2    负荷预测值与实际值比较（ , ）

25

图4-3   误差分析曲线（ , ）

26

图4-4                 适应度曲线（ , ）

27

图4-5       负荷预测值与实际值比较（ , ）

28

图4-6      误差分析曲线（ , ）

29

表清单

表序号 表名称 页码

表4-1                       输入变量的选择 18

表4-2                       输出变量的选择 18

表4-3                       天气状况的量化 19

表4-4                        日类型的量化 19

表4-5                        负荷样本数据