变权系数组合预测模型在电力系统负荷预测中的应用研究
| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 第1章 绪论 | 第10-14页 |
| ·问题的提出 | 第10页 |
| ·国内外研究现状分析 | 第10-13页 |
| ·研究内容 | 第13-14页 |
| 第2章 电力负荷预测概述 | 第14-20页 |
| ·负荷预测的概念 | 第14页 |
| ·负荷预测的分类 | 第14-15页 |
| ·负荷预测的作用和意义 | 第15-16页 |
| ·负荷预测的特点 | 第16-17页 |
| ·电力负荷的内部规律 | 第17-19页 |
| ·本章小结 | 第19-20页 |
| 第3章 电力负荷预测常用方法分析 | 第20-36页 |
| ·时间序列预测技术 | 第20-24页 |
| ·时间序列的概念 | 第20-21页 |
| ·时间序列的线性模型 | 第21-23页 |
| ·时间序列模型预测步骤 | 第23-24页 |
| ·灰色系统理论预测方法 | 第24-27页 |
| ·灰色系统 | 第24-25页 |
| ·灰色系统建模的机理 | 第25页 |
| ·灰色系统五步建模思想 | 第25-26页 |
| ·GM(1，1)模型 | 第26-27页 |
| ·神经网络预测技术 | 第27-35页 |
| ·神经网络方法的基本理论 | 第27-28页 |
| ·神经网络算法比较 | 第28-30页 |
| ·人工神经网络在电力负荷预测中的应用 | 第30-34页 |
| ·人工神经网络还存在的问题 | 第34-35页 |
| ·本章小结 | 第35-36页 |
| 第4章 电力负荷组合预测模型研究 | 第36-44页 |
| ·组合预测的概念 | 第36-37页 |
| ·组合预测的意义 | 第37-38页 |
| ·定权组合预测模型研究 | 第38-42页 |
| ·基于误差平方和最小的思想来确定权重系数 | 第38-41页 |
| ·基于误差绝对值和最小准则来确定权重系数 | 第41-42页 |
| ·根据离差平方和的大小来确定权重系数 | 第42页 |
| ·运用组合预测模型应考虑的问题 | 第42-43页 |
| ·本章小结 | 第43-44页 |
| 第5章 变权组合预测模型研究 | 第44-68页 |
| ·调和平均组合预测模型 | 第44-45页 |
| ·加权几何平均组合预测模型 | 第45页 |
| ·基于人工神经网络的变权组合预测模型 | 第45-52页 |
| ·神经网络组合预测模型 | 第45-47页 |
| ·一种提高神经网络预测可靠性的新方法 | 第47-49页 |
| ·算例分析 | 第49-52页 |
| ·基于支持向量机的变权组合预测模型 | 第52-58页 |
| ·基于 SVM的回归估计算法 | 第52-53页 |
| ·回归估计函数表达式 | 第53页 |
| ·基于 SVM的组合预测模型 | 第53-56页 |
| ·算例分析 | 第56-58页 |
| ·模糊变权重组合预测模型 | 第58-67页 |
| ·FVW方法及其改进 | 第59-61页 |
| ·模糊神经网络变权组合预测模型 | 第61-63页 |
| ·模糊神经网络组合预测模型训练算法 | 第63-65页 |
| ·算例分析 | 第65-67页 |
| ·本章小结 | 第67-68页 |
| 第6章 两种样本预处理技术的组合预测模型 | 第68-76页 |
| ·神经网络预测技术的缺陷 | 第68页 |
| ·基于混沌理论的样本预处理方法 | 第68-70页 |
| ·基于模式识别的样本预处理方法 | 第70-71页 |
| ·影响短期负荷预测的主要因素 | 第70页 |
| ·用模式识别选取负荷样本 | 第70-71页 |
| ·两种神经网络样本预处理技术的组合预测模型 | 第71-73页 |
| ·算例分析 | 第73-74页 |
| ·本章小结 | 第74-76页 |
| 结论 | 第76-77页 |
| 致谢 | 第77-78页 |
| 参考文献 | 第78-85页 |
| 攻读硕士学位期间发表的学术论文 | 第85页 |
