短期电力负荷预测方法的研究与应用
| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 专有名词字母缩写对照表 | 第7-8页 |
| 第1章 绪论 | 第8-15页 |
| 1.1 课题研究背景和意义 | 第8-9页 |
| 1.2 短期负荷预测方法 | 第9-10页 |
| 1.3 国内外研究现状以及研究思路 | 第10-13页 |
| 1.4 本文工作 | 第13-15页 |
| 第2章 基于小波变换的负荷数据处理方法 | 第15-29页 |
| 2.1 小波分析概论 | 第15-19页 |
| 2.1.1 连续型小波变换分析 | 第16-17页 |
| 2.1.2 离散型小波变换分析 | 第17页 |
| 2.1.3 小波基函数 | 第17-19页 |
| 2.2 基于小波分析的一维信号去噪应用 | 第19-28页 |
| 2.2.1 常规小波阈值去噪方法 | 第20-22页 |
| 2.2.2 小波阈值函数的改进 | 第22-26页 |
| 2.2.2.1 传统方法的硬、软阈值函数 | 第23页 |
| 2.2.2.2 改进的小波阈值函数 | 第23-26页 |
| 2.2.3 数值验证 | 第26-28页 |
| 2.3 本章小结 | 第28-29页 |
| 第3章 支持向量机 | 第29-34页 |
| 3.1 统计学习基础 | 第29-31页 |
| 3.2 机器学习 | 第31-32页 |
| 3.2.1 模式识别 | 第32页 |
| 3.2.2 回归估计 | 第32页 |
| 3.3 支持向量机参数设置 | 第32-33页 |
| 3.4 本章小结 | 第33-34页 |
| 第4章 基于支持向量机的混沌预测模型 | 第34-50页 |
| 4.1 相空间重构概念 | 第34-35页 |
| 4.2 混沌预测模型概述 | 第35-36页 |
| 4.3 基于最大Lyapunov指数的预测模型 | 第36-37页 |
| 4.4 改进的混沌预测模型 | 第37-44页 |
| 4.4.1 微分熵法的应用 | 第37-38页 |
| 4.4.2 基于支持向量机的混沌预测模型 | 第38-43页 |
| 4.4.3 相空间重构后的时间序列 | 第43-44页 |
| 4.5 数值验证 | 第44-49页 |
| 4.6 本章小结 | 第49-50页 |
| 第5章 负荷预测应用 | 第50-70页 |
| 5.1 实验数据样本描述 | 第50页 |
| 5.2 衡量预测精度的多种误差定义 | 第50-51页 |
| 5.3 与持续性方法的对比 | 第51-52页 |
| 5.4 历史负荷数据的预处理 | 第52-55页 |
| 5.4.1 负荷数据归一化 | 第52页 |
| 5.4.4 原始数据的去噪的方法和结果 | 第52-55页 |
| 5.5 实验仿真 | 第55-69页 |
| 5.5.1 算例与模型说明 | 第55-63页 |
| 5.5.1.1 负荷数据的描述性统计量 | 第55-57页 |
| 5.5.1.2 四种预测模型方法说明 | 第57-58页 |
| 5.5.1.3 相空间重构的参数确定 | 第58-60页 |
| 5.5.1.4 支持向量机回归的参数配置 | 第60-63页 |
| 5.5.2 仿真结果展示 | 第63-67页 |
| 5.5.3 与持续法对比的结果展示 | 第67-69页 |
| 5.6 本章小结 | 第69-70页 |
| 第6章 结论与展望 | 第70-72页 |
| 6.1 结论 | 第70页 |
| 6.2 展望 | 第70-72页 |
| 致谢 | 第72-73页 |
| 参考文献 | 第73-76页 |
| 附录 | 第76-79页 |
