多尺度分析与数据互迁移相结合的短期电力负荷预测方法
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第12-19页 |
| 1.1 研究背景与意义 | 第12-14页 |
| 1.2 研究现状 | 第14-17页 |
| 1.2.1 负荷预测方法 | 第14-16页 |
| 1.2.2 数据标记与信息抽取方法 | 第16-17页 |
| 1.3 研究的主要内容和文章结构 | 第17-19页 |
| 第2章 相关背景知识与方法 | 第19-34页 |
| 2.1 短期电力负荷预测概述 | 第19-23页 |
| 2.1.1 短期电力负荷预测特点 | 第19-20页 |
| 2.1.2 短期电力负荷预测原理 | 第20-21页 |
| 2.1.3 短期电力负荷预测的误差分析 | 第21页 |
| 2.1.4 短期电力负荷预测基本步骤 | 第21-23页 |
| 2.2 多尺度分析原理 | 第23-25页 |
| 2.2.1 小波变换 | 第23-25页 |
| 2.2.2 多尺度分析 | 第25页 |
| 2.3 核岭回归原理 | 第25-28页 |
| 2.3.1 核方法 | 第25-27页 |
| 2.3.2 核岭回归 | 第27-28页 |
| 2.4 迁移学习 | 第28-31页 |
| 2.4.1 基本概念 | 第28-30页 |
| 2.4.2 迁移学习算法 | 第30-31页 |
| 2.5 互信息原理 | 第31-32页 |
| 2.6 本章小结 | 第32-34页 |
| 第3章 多尺度分析预测法的特征扩充 | 第34-42页 |
| 3.1 数据预处理 | 第34-35页 |
| 3.1.1 异常值的判定 | 第34-35页 |
| 3.1.2 缺失值的处理 | 第35页 |
| 3.2 处理边界问题 | 第35-36页 |
| 3.3 特征扩充与选择 | 第36-41页 |
| 3.3.1 候选特征的确定 | 第36-38页 |
| 3.3.2 特征的扩充 | 第38-39页 |
| 3.3.3 特征的选择 | 第39-40页 |
| 3.3.4 特征扩充方法流程 | 第40-41页 |
| 3.4 本章小结 | 第41-42页 |
| 第4章 结合数据互迁移的多尺度分析预测法 | 第42-47页 |
| 4.1 基于核岭回归的数据互迁移方法 | 第42-45页 |
| 4.1.1 迁移学习算法 | 第42页 |
| 4.1.2 源任务选择 | 第42-43页 |
| 4.1.3 数据互迁移 | 第43-44页 |
| 4.1.4 核岭回归的参数选择 | 第44-45页 |
| 4.2 总体方法概览 | 第45-46页 |
| 4.3 本章小结 | 第46-47页 |
| 第5章 实验分析与比较 | 第47-54页 |
| 5.1 研究环境 | 第47页 |
| 5.2 数据集与评估指标 | 第47-48页 |
| 5.3 实验一 | 第48-49页 |
| 5.4 实验二 | 第49-50页 |
| 5.5 实验三 | 第50-52页 |
| 5.6 实验四 | 第52-53页 |
| 5.7 本章小结 | 第53-54页 |
| 结论 | 第54-56页 |
| 参考文献 | 第56-60页 |
| 附录A 攻读学位期间参与的科研项目 | 第60-61页 |
| 致谢 | 第61页 |
