超短期电力负荷预测的多模型极限学习算法
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-11页 |
| 第一章 绪论 | 第11-23页 |
| ·电力负荷预测概述 | 第11-13页 |
| ·电力负荷预测的研究背景 | 第11页 |
| ·电力负荷预测的特性 | 第11-12页 |
| ·超短期电力负荷预测 | 第12-13页 |
| ·国内外研究现状与发展 | 第13-20页 |
| ·时间序列法 | 第13-14页 |
| ·回归分析法 | 第14-15页 |
| ·指数平滑法 | 第15页 |
| ·人工神经网络法 | 第15页 |
| ·小波分析法 | 第15-16页 |
| ·支持向量机 | 第16-17页 |
| ·模糊预测方法 | 第17-18页 |
| ·专家系统法 | 第18页 |
| ·混沌预测方法 | 第18-19页 |
| ·灰色预测模型 | 第19页 |
| ·组合预测方法 | 第19-20页 |
| ·基于神经网络的超短期电力负荷预测 | 第20-21页 |
| ·本文主要工作 | 第21-23页 |
| 第二章 基于挂起准则多模型集总极限学习算法 | 第23-45页 |
| ·极限学习算法 | 第24-31页 |
| ·基本原理 | 第25-26页 |
| ·在线顺序极限学习算法 | 第26-30页 |
| ·集总的在线顺序极限学习算法 | 第30-31页 |
| ·基于挂起准则的多模型集总极限学习算法 | 第31-38页 |
| ·基于挂起准则的多模型集总极限学习算法实现流程 | 第31-32页 |
| ·初始模型的建立 | 第32-34页 |
| ·挂起准则 | 第34页 |
| ·挂起模型 | 第34-35页 |
| ·更新模型 | 第35-36页 |
| ·多模型集总输出 | 第36页 |
| ·算法实现步骤 | 第36-37页 |
| ·训练数据的选取 | 第37-38页 |
| ·仿真研究 | 第38-44页 |
| ·数值仿真 | 第38-39页 |
| ·应用研究 | 第39-44页 |
| ·本章小结 | 第44-45页 |
| 第三章 基于更新准则多模型集总极限学习算法 | 第45-52页 |
| ·基于更新准则的多模型集总极限学习算法实现流程 | 第45-46页 |
| ·更新准则 | 第46页 |
| ·即时更新模型 | 第46-48页 |
| ·批次更新模型 | 第48页 |
| ·挂起模型 | 第48页 |
| ·多模型集总输出 | 第48-49页 |
| ·应用研究 | 第49-51页 |
| ·本章小结 | 第51-52页 |
| 第四章 基于切换准则多模型加权极限学习算法 | 第52-59页 |
| ·切换准则多模型加权实现流程 | 第53-54页 |
| ·切换准则的选取 | 第54-55页 |
| ·多模型加权输出 | 第55页 |
| ·应用研究 | 第55-58页 |
| ·本章小结 | 第58-59页 |
| 第五章 结论与展望 | 第59-61页 |
| ·结论 | 第59页 |
| ·展望 | 第59-61页 |
| 参考文献 | 第61-66页 |
| 致谢 | 第66-69页 |
| 攻读硕士期间发表论文 | 第69页 |
