阶梯电价机制下的居民负载预测研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第11-21页 |
| 1.1 研究背景和意义 | 第11-13页 |
| 1.2 研究内容及研究方法 | 第13-17页 |
| 1.3 论文结构 | 第17-19页 |
| 1.4 研究主要创新点 | 第19-21页 |
| 第2章 文献综述 | 第21-29页 |
| 2.1 居民用电市场细分相关研究 | 第21-23页 |
| 2.2 短期负载预测相关研究 | 第23-26页 |
| 2.3 基于聚类分析的短期负载预测相关研究 | 第26-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第3章 分类负载预测模型 | 第29-35页 |
| 3.1 负载预测的原理及步骤 | 第29-30页 |
| 3.2 模型框架与特点 | 第30-32页 |
| 3.2.1 模型框架 | 第30页 |
| 3.2.2 模型特征 | 第30-32页 |
| 3.3 负载预测的效果评估 | 第32-33页 |
| 3.4 本章小结 | 第33-35页 |
| 第4章 用户聚类分析 | 第35-43页 |
| 4.1 聚类分析概述 | 第35-37页 |
| 4.2 聚类特征提取 | 第37-38页 |
| 4.3 模糊C均值聚类算法 | 第38-39页 |
| 4.4 聚类参数的确定 | 第39-41页 |
| 4.5 本章小结 | 第41-43页 |
| 第5章 短期负载预测模型 | 第43-51页 |
| 5.1 差分自回归移动平均模型(ARIMA) | 第43-44页 |
| 5.2 支持向量回归机模型(SVR) | 第44-47页 |
| 5.3 自组织模糊神经网络模型(SOFNN) | 第47-50页 |
| 5.4 本章小结 | 第50-51页 |
| 第6章 分类负载预测模型的应用 | 第51-63页 |
| 6.1 数据简介 | 第51页 |
| 6.2 数据准备 | 第51-52页 |
| 6.3 聚类结果分析 | 第52-57页 |
| 6.4 负载预测结果分析 | 第57-61页 |
| 6.5 本章小结 | 第61-63页 |
| 第7章 结论与展望 | 第63-69页 |
| 7.1 研究结论 | 第63-64页 |
| 7.2 研究贡献 | 第64-66页 |
| 7.3 研究不足及展望 | 第66-69页 |
| 参考文献 | 第69-77页 |
| 致谢 | 第77-79页 |
| 在学期间主要科研成果清单 | 第79页 |
