智能电网环境下的短期负荷预测研究及实现
| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第1章 绪论 | 第11-18页 |
| ·研究背景和意义 | 第11-12页 |
| ·国内外研究现状 | 第12-16页 |
| ·传统负荷预测方法的研究现状 | 第12-15页 |
| ·基于智能电网的负荷预测的研究现状 | 第15-16页 |
| ·论文的主要工作及内容安排 | 第16-18页 |
| ·论文的主要工作 | 第16-17页 |
| ·论文的内容安排 | 第17-18页 |
| 第2章 基于密母核向量回归的短期负荷预测模型 | 第18-36页 |
| ·电力负荷预测问题分析 | 第18-22页 |
| ·电力负荷的组成及影响因素 | 第18-19页 |
| ·电力负荷的特性分析 | 第19-22页 |
| ·基于核向量回归的负荷预测模型 | 第22-28页 |
| ·基于支持向量回归的负荷预测模型 | 第22-25页 |
| ·基于核向量回归的负荷预测模型 | 第25-27页 |
| ·支持向量机与核向量机的参数优化问题 | 第27-28页 |
| ·密母算法在核向量回归参数优化问题上的应用 | 第28-33页 |
| ·密母算法的理论基础 | 第28-31页 |
| ·基于密母优化的核向量回归模型 | 第31-33页 |
| ·基于密母核向量回归的负荷预测模型 | 第33-35页 |
| ·本章小结 | 第35-36页 |
| 第3章 密母核向量回归负荷预测模型的实例分析 | 第36-50页 |
| ·数据集 | 第36-37页 |
| ·数据集的构成 | 第36页 |
| ·样本集的构造 | 第36-37页 |
| ·数据集的划分 | 第37页 |
| ·实验环境 | 第37-38页 |
| ·评估标准 | 第38页 |
| ·实验及分析 | 第38-48页 |
| ·实验一：样本构造对预测精度的影响 | 第38-40页 |
| ·实验二：种群规模对参数优化效果的影响 | 第40-43页 |
| ·实验三：局部搜索门限对参数优化效果的影响 | 第43-45页 |
| ·实验四：密母算法与遗传算法的比较 | 第45-48页 |
| ·本章小结 | 第48-50页 |
| 第4章 智能电网环境下的风电负荷预测 | 第50-60页 |
| ·基于智能电网的负荷预测问题分析 | 第50-55页 |
| ·智能电网与传统电网的比较 | 第50-52页 |
| ·风力发电输出功率预测的问题分析 | 第52-55页 |
| ·基于MA-CVR的风电输出功率预测模型及验证 | 第55-59页 |
| ·基于MA-CVR模型风电输出功率预测模型 | 第55-56页 |
| ·模型验证 | 第56-59页 |
| ·本章小结 | 第59-60页 |
| 第5章 短期负荷预测系统的设计与实现 | 第60-67页 |
| ·系统设计 | 第60-64页 |
| ·功能设计 | 第60-61页 |
| ·系统架构 | 第61-62页 |
| ·数据库设计 | 第62-64页 |
| ·系统实现 | 第64-66页 |
| ·开发平台及主要技术 | 第64页 |
| ·核心界面 | 第64-66页 |
| ·本章小结 | 第66-67页 |
| 第6章 结论与展望 | 第67-68页 |
| ·本文主要工作 | 第67页 |
| ·未来工作的展望 | 第67-68页 |
| 参考文献 | 第68-72页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第72-73页 |
| 致谢 | 第73页 |
