基于组合预测模型的超短期大波动负荷预测
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 1 绪论 | 第7-13页 |
| ·课题的研究背景、意义和难点 | 第7-9页 |
| ·课题研究的背景 | 第7-8页 |
| ·课题研究的意义和难点 | 第8-9页 |
| ·大波动地区超短期负荷预测的现状及发展趋势 | 第9-10页 |
| ·论文的研究内容 | 第10-13页 |
| 2 超短期负荷预测模型和负荷特性分析研究 | 第13-25页 |
| ·超短期负荷预测方法的分类 | 第13-17页 |
| ·峰值负荷模型 | 第13页 |
| ·负荷形状模型 | 第13-17页 |
| ·电力负荷特性分析 | 第17-24页 |
| ·电力负荷的分类 | 第17页 |
| ·小水电发电负荷特性 | 第17-20页 |
| ·冲击负荷特性 | 第20-24页 |
| ·本章小结 | 第24-25页 |
| 3 历史数据的筛选 | 第25-39页 |
| ·筛选方法分类 | 第25-30页 |
| ·筛选方法的比较 | 第30-38页 |
| ·本章小结 | 第38-39页 |
| 4 基于小波去噪和线性神经网络的负荷预测 | 第39-53页 |
| ·小波去噪 | 第39-42页 |
| ·小波理论 | 第39-40页 |
| ·低通滤波 | 第40页 |
| ·模极大值的伪数据处理 | 第40页 |
| ·小波基的选取 | 第40-41页 |
| ·小波去噪的具体步骤 | 第41-42页 |
| ·神经网络的基本理论 | 第42-45页 |
| ·神经网络的分类 | 第42-45页 |
| ·神经网络类型的选择 | 第45页 |
| ·基于小波去噪和线性神经网络的负荷预测模型及算例 | 第45-51页 |
| ·基于小波去噪和线性神经网络的负荷预测模型 | 第45-46页 |
| ·算例 | 第46-51页 |
| ·效果分析 | 第51页 |
| ·本章小结 | 第51-53页 |
| 5 改进马尔科夫链预测模型 | 第53-61页 |
| ·马尔科夫过程 | 第53页 |
| ·聚类分析 | 第53-54页 |
| ·改进马尔科夫预测模型及算例 | 第54-60页 |
| ·改进马尔科夫预测模型 | 第54-55页 |
| ·算例 | 第55-60页 |
| ·效果分析 | 第60页 |
| ·本章小结 | 第60-61页 |
| 6 组合预测 | 第61-71页 |
| ·组合预测的重要意义 | 第61页 |
| ·权值选择方法分类 | 第61页 |
| ·权值选择方法介绍 | 第61-65页 |
| ·线性组合预测模型 | 第61-64页 |
| ·非线性组合预测模型 | 第64页 |
| ·基于熵值法的组合预测模型 | 第64-65页 |
| ·应用实例 | 第65-68页 |
| ·效果分析 | 第68-69页 |
| ·效果比对 | 第68页 |
| ·原因分析 | 第68-69页 |
| ·本章小结 | 第69-71页 |
| 7 总结与展望 | 第71-73页 |
| ·总结 | 第71页 |
| ·有待解决的问题 | 第71-73页 |
| 致谢 | 第73-75页 |
| 参考文献 | 第75-79页 |
| 附录 | 第79页 |
