时变权重的组合模型在短期电力负荷预测中的应用
| 中文摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 研究背景 | 第8-15页 |
| 1.1 短期电力负荷预测的目的及意义 | 第8-10页 |
| 1.2 短期电力负荷预测的研究进展 | 第10-13页 |
| 1.2.1 传统预测技术 | 第10-11页 |
| 1.2.2 人工智能方法 | 第11-12页 |
| 1.2.3 混合模型的研究进展 | 第12-13页 |
| 1.3 本文研究内容 | 第13-15页 |
| 第二章 短期电力负荷研究的数据描述 | 第15-19页 |
| 2.1 本文数据统计描述 | 第15-16页 |
| 2.2 主要外生变量 | 第16-19页 |
| 2.2.1 日历效应 | 第16-17页 |
| 2.2.2 气候因素 | 第17-19页 |
| 第三章 模型建立 | 第19-27页 |
| 3.1 基准预测模型 | 第20-21页 |
| 3.1.1 含日历效应的模型 | 第20-21页 |
| 3.1.2 含日照因素的模型 | 第21页 |
| 3.2 拓展预测模型 | 第21-23页 |
| 3.2.1 包含温度变量的模型 | 第22页 |
| 3.2.2 含制冷度日数和采暖度日数的模型 | 第22页 |
| 3.2.3 平滑门限自回归模型 | 第22-23页 |
| 3.2.4 单层神经网络模型 | 第23页 |
| 3.3 基于小波变换的预测模型 | 第23-27页 |
| 3.3.1 小波变换 | 第23-25页 |
| 3.3.2 数据延拓方法 | 第25-27页 |
| 第四章 实证分析 | 第27-41页 |
| 4.1 实验设计 | 第27-29页 |
| 4.1.1 数据预处理 | 第27-28页 |
| 4.1.2 组合预测模型的权重系数 | 第28-29页 |
| 4.1.3 模型评价标准 | 第29页 |
| 4.2 实验结果分析 | 第29-41页 |
| 4.2.1 数据延拓的小波模型预测分析 | 第30-31页 |
| 4.2.2 三类预测方法的表现 | 第31-32页 |
| 4.2.3 单一模型和组合模型的比较 | 第32-37页 |
| 4.2.4 模型多重比较分析 | 第37-40页 |
| 4.2.5 模型的稳定性检验 | 第40-41页 |
| 第五章 结论与展望 | 第41-43页 |
| 5.1 本文的结论与建议 | 第41页 |
| 5.2 短期电力负荷预测展望 | 第41-43页 |
| 参考文献 | 第43-47页 |
| 在学期间的研究成果 | 第47-48页 |
| 致谢 | 第48页 |
