基于智能计算的变权重组合优化短期负荷预测研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 目录 | 第7-10页 |
| CONTENTS | 第10-13页 |
| 第一章 绪论 | 第13-26页 |
| 1.1 问题的提出 | 第13-14页 |
| 1.2 电力系统负荷预测发展现状 | 第14-18页 |
| 1.3 电力负荷预测概述 | 第18-25页 |
| 1.3.1 电力负荷的概念 | 第18-19页 |
| 1.3.2 电力负荷预测的特点 | 第19-20页 |
| 1.3.3 电力负荷预测的分类 | 第20-22页 |
| 1.3.4 影响负荷预测的主要因素 | 第22-23页 |
| 1.3.5 负荷预测的基本过程 | 第23-25页 |
| 1.4 本论文主要工作 | 第25-26页 |
| 第二章 电力负荷特性分析 | 第26-36页 |
| 2.1 河源电网特点 | 第26-27页 |
| 2.2 负荷自身的周期性 | 第27-29页 |
| 2.3 节假日及气象因素对负荷的影响 | 第29-32页 |
| 2.4 负荷数据预处理 | 第32-34页 |
| 2.4.1 历史数据的奇异值矫正 | 第32-33页 |
| 2.4.2 历史负荷数据归一化处理 | 第33-34页 |
| 2.5 预测误差分析 | 第34页 |
| 2.6 提高河源电网负荷预测准确率的主要措施 | 第34-35页 |
| 2.7 本章小结 | 第35-36页 |
| 第三章 单一模型的选择与分析 | 第36-60页 |
| 3.1 建立单项预测模型应考虑的问题 | 第36页 |
| 3.2 时间序列预测技术 | 第36-42页 |
| 3.2.1 时间序列 | 第36-37页 |
| 3.2.2 误差反馈加权时间序列负荷预测模型 | 第37-39页 |
| 3.2.3 误差反馈加权时间序列负荷预测结果分析 | 第39-42页 |
| 3.3 灰色理论预测技术 | 第42-49页 |
| 3.3.1 灰色理论 | 第42-43页 |
| 3.3.2 灰色生成 | 第43-44页 |
| 3.3.3 GM(1,1)预测模型 | 第44-47页 |
| 3.3.4 灰色理论预测结果分析 | 第47-49页 |
| 3.4 神经网络预测技术 | 第49-59页 |
| 3.4.1 神经网络 | 第49-50页 |
| 3.4.2 神经网络预测模型 | 第50-57页 |
| 3.4.3 神经网络负荷预测结果分析 | 第57-59页 |
| 3.5 本章小结 | 第59-60页 |
| 第四章 遗传算法在优化组合预测权系数中的应用 | 第60-75页 |
| 4.1 组合预测理论 | 第60-61页 |
| 4.2 虚拟预测技术 | 第61-63页 |
| 4.3 遗传算法优化权重系数模型 | 第63-67页 |
| 4.3.1 遗传算法 | 第63页 |
| 4.3.2 遗传算法基本思想 | 第63-64页 |
| 4.3.3 遗传算法的特点 | 第64-65页 |
| 4.3.4 遗传算法优化变权重系数模型 | 第65-67页 |
| 4.4 组合预测仿真结果分析 | 第67-73页 |
| 4.5 各模型仿真结果对比分析 | 第73-74页 |
| 4.6 本章小结 | 第74-75页 |
| 结论与展望 | 第75-77页 |
| 参考文献 | 第77-80页 |
| 攻读硕士学位期间参与的科研项目 | 第80-82页 |
| 致谢 | 第82页 |
