电力总负荷的时间序列方法超短期预测
| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4-5页 |
| 1 绪论 | 第8-13页 |
| 1.1 引言 | 第8页 |
| 1.2 国内外研究现状 | 第8-12页 |
| 1.3 本文主要的工作 | 第12-13页 |
| 2 超短期负荷预测介绍 | 第13-17页 |
| 2.1 负荷预测的分类及特点 | 第13-14页 |
| 2.2 超短期负荷预测的目的和应用 | 第14-15页 |
| 2.3 超短期负荷预测的特点及原则 | 第15-17页 |
| 3 时间序列预测模型的介绍 | 第17-33页 |
| 3.1 时间序列法介绍 | 第17-19页 |
| 3.1.1 时间序列定义 | 第17页 |
| 3.1.2 时间序列平稳性的分类 | 第17-19页 |
| 3.2 时间序列分析的方法性工具 | 第19-20页 |
| 3.3 模型分类及数学描述 | 第20-25页 |
| 3.3.1 AR(自回归)模型 | 第20-21页 |
| 3.3.2 MA(移动平均)模型 | 第21-22页 |
| 3.3.3 ARMA(自回归移动平均)模型 | 第22-23页 |
| 3.3.4 ARIMA(求和自回归移动平均)模型 | 第23-25页 |
| 3.4 时间序列平稳性的判断 | 第25-27页 |
| 3.4.1 时序图检验法 | 第25页 |
| 3.4.2 单位根检验法 | 第25-27页 |
| 3.5 模型的定阶 | 第27-29页 |
| 3.5.1 样本自相关系数(ACF) | 第27-28页 |
| 3.5.2 样本偏自相关系数(PACF) | 第28-29页 |
| 3.5.3 模型定阶的基本原则 | 第29页 |
| 3.6 模型的参数估计 | 第29-31页 |
| 3.6.1 矩估计法 | 第29-30页 |
| 3.6.2 极大似然估计法 | 第30-31页 |
| 3.6.3 最小二乘估计法 | 第31页 |
| 3.7 模型优化 | 第31-33页 |
| 3.7.1 AIC准则 | 第31-32页 |
| 3.7.2 SBC准则 | 第32-33页 |
| 4 时间序列法超短期负荷预测实证研究 | 第33-43页 |
| 4.1 时间序列法建模步骤 | 第33页 |
| 4.2 数据的搜集及预处理 | 第33-34页 |
| 4.3 电力负荷数据的平稳性检验 | 第34-35页 |
| 4.4 数据的平稳化处理 | 第35-37页 |
| 4.5 模型识别 | 第37-39页 |
| 4.6 模型诊断 | 第39-40页 |
| 4.7 模型优化 | 第40页 |
| 4.8 模型预测 | 第40-43页 |
| 5 总结 | 第43-44页 |
| 致谢 | 第44-45页 |
| 参考文献 | 第45-47页 |
