基于混沌理论和支持向量机的短期电力负荷预测
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第10-19页 |
| 1.1 课题研究的背景及意义 | 第10-11页 |
| 1.2 电力负荷预测研究内容 | 第11-13页 |
| 1.2.1 电力负荷预测的概念与特点 | 第11-12页 |
| 1.2.2 电力负荷预测的原理 | 第12-13页 |
| 1.2.3 电力负荷预测的步骤 | 第13页 |
| 1.3 国内外研究现状 | 第13-17页 |
| 1.4 本文主要研究内容 | 第17-19页 |
| 第2章 电力负荷时间序列基本特性分析 | 第19-31页 |
| 2.1 电力负荷分类 | 第19-20页 |
| 2.2 电力负荷特性分析指标 | 第20-22页 |
| 2.3 电力负荷特性实例分析 | 第22-30页 |
| 2.3.1 年负荷特性分析 | 第22-25页 |
| 2.3.2 月负荷特性分析 | 第25-26页 |
| 2.3.3 日负荷特性分析 | 第26-30页 |
| 2.4 本章小结 | 第30-31页 |
| 第3章 电力负荷时间序列混沌特性分析 | 第31-42页 |
| 3.1 混沌理论 | 第31-35页 |
| 3.1.1 混沌的定义 | 第31-32页 |
| 3.1.2 相空间重构 | 第32页 |
| 3.1.3 选取重构参数 | 第32-35页 |
| 3.2 电力负荷混沌特性分析 | 第35-37页 |
| 3.2.1 混沌特性定性分析方法 | 第35-36页 |
| 3.2.2 混沌特性定量分析方法 | 第36-37页 |
| 3.3 混沌特性识别实例分析 | 第37-41页 |
| 3.3.1 相空间重构 | 第37-38页 |
| 3.3.2 混沌特性定性识别 | 第38-39页 |
| 3.3.3 混沌特性定量识别 | 第39-41页 |
| 3.4 本章小结 | 第41-42页 |
| 第4章 基于支持向量机的负荷预测模型 | 第42-59页 |
| 4.1 支持向量机理论 | 第42-48页 |
| 4.1.1 支持向量机理论基础 | 第42-43页 |
| 4.1.2 支持向量机分类原理 | 第43-46页 |
| 4.1.3 支持向量回归原理 | 第46-48页 |
| 4.2 基于SVR的混沌时间序列预测模型及优化 | 第48-52页 |
| 4.2.1 基于SVR的混沌时间序列预测模型 | 第48-49页 |
| 4.2.2 SVR参数分析 | 第49-50页 |
| 4.2.3 改进的遗传算法优化SVR | 第50-52页 |
| 4.3 SVR预测模型实例验证 | 第52-57页 |
| 4.3.1 模型评价标准 | 第52-53页 |
| 4.3.2 GA-SVR模型仿真实验 | 第53-56页 |
| 4.3.3 预测模型对比分析 | 第56-57页 |
| 4.4 本章小结 | 第57-59页 |
| 第5章 基于多变量混沌预测模型的负荷预测 | 第59-76页 |
| 5.1 多变量相空间重构理论 | 第59-60页 |
| 5.2 混沌相空间重构算法优化 | 第60-63页 |
| 5.2.1 等概率符号化 | 第60-61页 |
| 5.2.2 极大联合熵求取延迟时间 | 第61页 |
| 5.2.3 最小Shannon熵求取嵌入维数 | 第61-62页 |
| 5.2.4 数值验证 | 第62-63页 |
| 5.3 负荷影响因素的灰色关联分析 | 第63-68页 |
| 5.3.1 灰色关联分析理论 | 第63-65页 |
| 5.3.2 影响因素关联分析 | 第65-68页 |
| 5.4 多变量加权一阶局域预测模型 | 第68-70页 |
| 5.4.1 区间邻近点的选取 | 第68-69页 |
| 5.4.2 多变量加权一阶局域预测模型 | 第69-70页 |
| 5.5 实例分析 | 第70-75页 |
| 5.5.1 相空间重构 | 第70-72页 |
| 5.5.2 工作日负荷预测 | 第72-73页 |
| 5.5.3 休息日负荷预测 | 第73-75页 |
| 5.6 本章小结 | 第75-76页 |
| 结论 | 第76-78页 |
| 参考文献 | 第78-84页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第84-85页 |
| 致谢 | 第85页 |
