基于云计算的组合短期负荷预测方法研究
| 摘要 | 第7-8页 |
| Abstract | 第8-9页 |
| 第1章 绪论 | 第12-19页 |
| 1.1 选题背景及其研究意义 | 第12-13页 |
| 1.2 短期负荷预测国内外研究现状 | 第13-16页 |
| 1.2.1 国外研究现状 | 第13-14页 |
| 1.2.2 国内研究现状 | 第14-16页 |
| 1.3 课题发展动态 | 第16页 |
| 1.4 论文结构及创新点 | 第16-19页 |
| 1.4.1 论文结构 | 第16-17页 |
| 1.4.2 论文创新点 | 第17-19页 |
| 第2章 短期负荷预测基本理论 | 第19-24页 |
| 2.1 短期负荷预测的特点 | 第19-20页 |
| 2.2 短期负荷预测的主要方法 | 第20-22页 |
| 2.3 短期负荷预测的步骤 | 第22页 |
| 2.4 误差分析 | 第22-23页 |
| 2.5 本章小结 | 第23-24页 |
| 第3章 短期负荷预测数据的预处理 | 第24-33页 |
| 3.1 基础数据的来源 | 第24页 |
| 3.2 负荷预测历史数据预处理 | 第24-27页 |
| 3.2.1 数据挖掘理论 | 第24-25页 |
| 3.2.2 异常数据的处理 | 第25-27页 |
| 3.3 负荷预测影响因素的相关性分析 | 第27-32页 |
| 3.3.1 经济水平相关性分析 | 第27-28页 |
| 3.3.2 气象因素相关性分析 | 第28-32页 |
| 3.4 本章小结 | 第32-33页 |
| 第4章 基于确定性相关因素的短期负荷预测 | 第33-40页 |
| 4.1 极限学习机概述 | 第33页 |
| 4.2 极限学习机预测模型 | 第33-34页 |
| 4.3 细菌觅食算法优化极限学习机预测模型 | 第34-36页 |
| 4.4 细菌觅食算法优化极限学习机预测模型的应用 | 第36-39页 |
| 4.5 本章小结 | 第39-40页 |
| 第5章 综合考虑非确定性相关因素的组合预测模型 | 第40-57页 |
| 5.1 不确定性理论 | 第40-41页 |
| 5.2 云模型的基本理论 | 第41-45页 |
| 5.2.1 云模型的定义 | 第41-43页 |
| 5.2.2 云发生器 | 第43-44页 |
| 5.2.3 云变换 | 第44-45页 |
| 5.3 核函数理论 | 第45页 |
| 5.4 云模型优化核函数极限学习机预测模型 | 第45-46页 |
| 5.5 非确定性相关因素样本选择范围分析 | 第46-48页 |
| 5.5.1 各个气象因素对预测精度的影响 | 第46-47页 |
| 5.5.2 气象因素的预测样本选择 | 第47-48页 |
| 5.6 基于不确定性分析的组合预测模型 | 第48-50页 |
| 5.6.1 组合预测模型的原理 | 第48-49页 |
| 5.6.2 权重的计算 | 第49-50页 |
| 5.6.3 预测结果的计算 | 第50页 |
| 5.7 组合预测模型的应用 | 第50-56页 |
| 5.8 本章小结 | 第56-57页 |
| 第6章 基于云计算的组合短期负荷预测 | 第57-63页 |
| 6.1 云计算平台简介 | 第57-58页 |
| 6.2 云计算技术的原理 | 第58-59页 |
| 6.3 基于云计算的组合预测模型 | 第59-61页 |
| 6.4 基于云计算的组合预测模型应用 | 第61-62页 |
| 6.5 本章小结 | 第62-63页 |
| 总结与展望 | 第63-65页 |
| 课题工作总结 | 第63-64页 |
| 未来展望 | 第64-65页 |
| 参考文献 | 第65-71页 |
| 致谢 | 第71-72页 |
| 附录A 攻读学位期间所发表的学术论文 | 第72页 |
