| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-20页 |
| 1.1 课题研究背景与意义 | 第11-13页 |
| 1.2 课题研究概况 | 第13-18页 |
| 1.2.1 超短期负荷预测国内外研究现状与发展趋势 | 第14-17页 |
| 1.2.2 考虑含分布式电源的智能电网园区净负荷预测及其特点 | 第17-18页 |
| 1.3 论文的主要内容与结构安排 | 第18-20页 |
| 第2章 含分布式电源的智能电网园区净负荷预测方法介绍及模型概述 | 第20-30页 |
| 2.1 支持向量机原理介绍 | 第20-23页 |
| 2.1.1 统计学习理论 | 第20页 |
| 2.1.2 支持向量机的基本原理 | 第20-23页 |
| 2.2 风光荷单独预测模型 | 第23-26页 |
| 2.2.1 风电预测模型 | 第24页 |
| 2.2.2 光伏出力预测模型 | 第24-25页 |
| 2.2.3 负荷预测模型 | 第25-26页 |
| 2.2.4 决策与调度 | 第26页 |
| 2.3 风光荷联合预测模型 | 第26-29页 |
| 2.3.1 净负荷的概念 | 第27-28页 |
| 2.3.2 净负荷的预测模型 | 第28-29页 |
| 2.4 本章小结 | 第29-30页 |
| 第3章 净负荷的实时模型与参数自调整预测 | 第30-41页 |
| 3.1 参数自调整 | 第30-31页 |
| 3.2 实时模型 | 第31页 |
| 3.3 案例分析 | 第31-40页 |
| 3.3.1 传统SVM的单独预测与联合预测仿真对比 | 第33-38页 |
| 3.3.2 传统SVM预测方法与具有自调整的实时模型方法的仿真对比 | 第38-40页 |
| 3.4 本章小结 | 第40-41页 |
| 第4章 考虑气象因素的净负荷预测 | 第41-51页 |
| 4.1 相关性分析及归一化 | 第41-42页 |
| 4.1.1 相关性原理分析 | 第41-42页 |
| 4.1.2 归一化 | 第42页 |
| 4.2 考虑温度的影响 | 第42-45页 |
| 4.2.1 温度与光伏出力的关系 | 第42-44页 |
| 4.2.2 温度与负荷功率的关系 | 第44-45页 |
| 4.3 考虑风速的影响 | 第45-46页 |
| 4.4 考虑湿度的影响 | 第46-47页 |
| 4.5 案例分析 | 第47-50页 |
| 4.5.1 不考虑天气因素的净负荷预测 | 第47-48页 |
| 4.5.2 简单考虑温度、风速、湿度 | 第48页 |
| 4.5.3 按比例考虑温度、风速、湿度 | 第48-49页 |
| 4.5.4 结果对比 | 第49-50页 |
| 4.6 本章小结 | 第50-51页 |
| 结论与展望 | 第51-53页 |
| 结论 | 第51-52页 |
| 展望 | 第52-53页 |
| 参考文献 | 第53-57页 |
| 致谢 | 第57-58页 |
| 附录A 攻读硕士学位期间发表的学术论文 | 第58-59页 |
| 附录B 攻读硕士学位期间参加的科研工作 | 第59页 |
