基于负荷特性的电力系统短期负荷预测实现
| 中文摘要 | 第1-5页 |
| 英文摘要 | 第5-8页 |
| 1 绪论 | 第8-17页 |
| ·负荷预测概述 | 第8页 |
| ·电力负荷预测的重要性 | 第8-9页 |
| ·电力负荷预测的分类 | 第9-11页 |
| ·电力负荷预测研究现状 | 第11-15页 |
| ·短期负荷的特点 | 第11-13页 |
| ·短期负荷预测的研究现状 | 第13-15页 |
| ·本文的主要工作 | 第15-17页 |
| 2 电力负荷的影响因素分析 | 第17-30页 |
| ·影响电力负荷的各种因素 | 第17-18页 |
| ·负荷构成对电力负荷的影响 | 第18-19页 |
| ·温度对电力负荷的影响 | 第19-22页 |
| ·温度对电力负荷影响概述 | 第19-20页 |
| ·温度与负荷的相关性 | 第20-22页 |
| ·降雨对电力负荷的影响 | 第22-24页 |
| ·降雨对电力负荷建模的影响 | 第22-23页 |
| ·降雨量与电力负荷的相关性 | 第23-24页 |
| ·积累和延时效应的影响 | 第24-25页 |
| ·时间因素对负荷的影响 | 第25-28页 |
| ·季节对负荷的影响 | 第25-26页 |
| ·负荷长期自然增长的影响 | 第26-28页 |
| ·其它因素对负荷的影响 | 第28页 |
| ·本章小节 | 第28-30页 |
| 3 负荷预测的数据处理 | 第30-36页 |
| ·异常数据处理 | 第30-34页 |
| ·简单的异常数据处理 | 第30-31页 |
| ·利用小波变换处理异常数据 | 第31-34页 |
| ·曲线平滑处理 | 第34-35页 |
| ·本章小节 | 第35-36页 |
| 4 短期电力负荷预测研究 | 第36-47页 |
| ·极相似日的利用 | 第36-37页 |
| ·数据挖掘技术 | 第37-40页 |
| ·模糊关联数据挖掘技术 | 第37-38页 |
| ·灰色关联度数据挖掘技术 | 第38-40页 |
| ·简单的极相似日预测模型 | 第40-41页 |
| ·加权平均预测模型 | 第41页 |
| ·时间序列预测模型 | 第41-43页 |
| ·自回归模型 | 第41-42页 |
| ·滑动平均模型 | 第42页 |
| ·自回归滑动平均模型 | 第42-43页 |
| ·日负荷数据标准化预测模型 | 第43-44页 |
| ·日负荷数据的标准化 | 第43页 |
| ·特征向量的标准化 | 第43页 |
| ·标准化数据的预测 | 第43-44页 |
| ·组合预测模型 | 第44-45页 |
| ·提高精度的一些措施 | 第45-46页 |
| ·本章小结 | 第46-47页 |
| 5 负荷预测系统软件的实现 | 第47-62页 |
| ·负荷预测软件的功能结构 | 第47-48页 |
| ·系统的数据库设计 | 第48-49页 |
| ·软件系统总体设计 | 第49-50页 |
| ·预测算法流程 | 第50-52页 |
| ·软件介绍 | 第52-61页 |
| ·本章小结 | 第61-62页 |
| 6 结论和展望 | 第62-64页 |
| ·结论 | 第62页 |
| ·展望 | 第62-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-67页 |
