基于数据挖掘与支持向量机的微网负荷预测
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-9页 |
| 第1章 绪论 | 第9-15页 |
| ·选题的背景及意义 | 第9-11页 |
| ·微网负荷预测方法研究现状 | 第11-13页 |
| ·微网负荷研究现状 | 第11页 |
| ·负荷预测方法研究现状 | 第11-13页 |
| ·本文工作难点 | 第13-14页 |
| ·本文的写作思路 | 第14-15页 |
| 第2章 微网负荷特性与预测方法选择 | 第15-23页 |
| ·风光互补型微网结构 | 第15-16页 |
| ·风光互补型微网负荷特性 | 第16-21页 |
| ·光伏微源功率特性 | 第16-18页 |
| ·风机微源功率特性 | 第18-19页 |
| ·微网用户负荷特性 | 第19-21页 |
| ·微网负荷预测方法的选择 | 第21-23页 |
| 第3章 微网负荷预测的数据挖掘模型 | 第23-34页 |
| ·数据挖掘在负荷预测领域的应用 | 第23-24页 |
| ·数据挖掘在负荷预测中的应用现状 | 第23-24页 |
| ·历史负荷数据中数据挖掘基本步骤 | 第24页 |
| ·微网负荷模糊分类器的建立 | 第24-29页 |
| ·微网中各类负荷数据挖掘的总体原则 | 第24-25页 |
| ·光伏微源模糊分类器 | 第25-26页 |
| ·风机微源模糊分类器 | 第26-28页 |
| ·用户负荷模糊分类器 | 第28-29页 |
| ·微网负荷灰色关联分析模型 | 第29-34页 |
| ·灰色关联分析模型 | 第29-31页 |
| ·灰色关联分析模型精选样本数据 | 第31-34页 |
| 第4章 微网负荷预测的SVM模型 | 第34-42页 |
| ·支持向量机的独特优势 | 第34-36页 |
| ·SVM模型良好的推广性 | 第34-36页 |
| ·SVM模型具有全局最优解 | 第36页 |
| ·支持向量回归机负荷预测模型 | 第36-40页 |
| ·SVM回归的损失函数 | 第37-38页 |
| ·SVM回归机建模过程 | 第38页 |
| ·SVM回归机模型求解 | 第38-40页 |
| ·SVM模型编程实现 | 第40-42页 |
| 第5章 数据挖掘与SVM结合模型的实现 | 第42-52页 |
| ·预测模型的整体结构及实现 | 第42-44页 |
| ·微网负荷预测实例分析 | 第44-52页 |
| ·光伏微源功率预测 | 第44-47页 |
| ·风机微源功率预测 | 第47-49页 |
| ·微网用户负荷预测 | 第49-51页 |
| ·微网PCC节点综合负荷预测结果分析 | 第51-52页 |
| 第6章 结论与展望 | 第52-54页 |
| ·结论 | 第52-53页 |
| ·展望 | 第53-54页 |
| 参考文献 | 第54-57页 |
| 附录 | 第57-62页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第62-63页 |
| 致谢 | 第63页 |
