基于组合预测模型的电力系统短期负荷预测研究
| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 目录 | 第8-10页 |
| Contents | 第10-13页 |
| 1 绪论 | 第13-19页 |
| ·课题背景及研究意义 | 第13页 |
| ·负荷预测的划分 | 第13-15页 |
| ·短期负荷预测研究现状 | 第15-16页 |
| ·本文所做的工作 | 第16页 |
| ·本文的构架及内容 | 第16-19页 |
| 2 灰色预测方法 | 第19-35页 |
| ·灰色理论的基本概念 | 第19-21页 |
| ·灰色系统的定义与模型特征 | 第19-20页 |
| ·灰色系统的基本特点 | 第20-21页 |
| ·灰色生成 | 第21-23页 |
| ·累加生成 | 第21-22页 |
| ·累减生成 | 第22-23页 |
| ·灰色建模过程 | 第23-28页 |
| ·灰色GM模型的建模机理 | 第23页 |
| ·建立GM(1,1)模型 | 第23-26页 |
| ·GM(1,n)模型 | 第26-28页 |
| ·模型精度检验及预测误差分析 | 第28-30页 |
| ·模型精度检验 | 第28-29页 |
| ·预测误差分析 | 第29-30页 |
| ·灰色预测方法的实例分析 | 第30-34页 |
| ·小结 | 第34-35页 |
| 3 改进的支持向量机预测方法 | 第35-51页 |
| ·概述 | 第35页 |
| ·支持向量机的相关概念 | 第35-40页 |
| ·统计学习理论基础 | 第35-36页 |
| ·模型复杂度和泛化能力 | 第36-38页 |
| ·结构风险最小化 | 第38-39页 |
| ·优化理论基础 | 第39-40页 |
| ·支持向量机算法 | 第40-43页 |
| ·支持向量机回归原理 | 第40-42页 |
| ·核函数 | 第42-43页 |
| ·支持向量机模型参数 | 第43页 |
| ·改进的支持向量机 | 第43-46页 |
| ·粒子群优化算法 | 第43-44页 |
| ·粒子群优化支持向量机模型构建 | 第44-46页 |
| ·改进的支持向量机预测方法实例分析 | 第46-48页 |
| ·小结 | 第48-51页 |
| 4 组合预测方法 | 第51-61页 |
| ·组合预测的简述 | 第51-52页 |
| ·组合预测中权值计算 | 第52-55页 |
| ·组合预测 | 第55-59页 |
| ·小结 | 第59-61页 |
| 5 负荷预测软件系统的设计 | 第61-67页 |
| ·负荷预测软件开发平台及运行环境 | 第61页 |
| ·负荷预测软件的设计 | 第61-63页 |
| ·负荷预测软件的功能介绍 | 第63-66页 |
| ·小结 | 第66-67页 |
| 结论与展望 | 第67-69页 |
| 参考文献 | 第69-73页 |
| 致谢 | 第73-75页 |
| 作者简介及读研期间主要科研成果 | 第75页 |
