中文摘要 | 第1页 |
英文摘要 | 第3-7页 |
第一章 绪论 | 第7-12页 |
·选题背景及其意义 | 第7页 |
·国内外研究现状 | 第7-10页 |
·国外现状 | 第7-8页 |
·国内现状 | 第8-10页 |
·目前存在的主要问题 | 第10页 |
·本文的主要工作内容 | 第10-12页 |
第二章 短期母线负荷预测概述 | 第12-19页 |
·母线负荷的定义 | 第12页 |
·母线负荷的构成特点 | 第12页 |
·母线负荷的一般特性 | 第12-16页 |
·短期母线负荷预测流程 | 第16-17页 |
·短期母线负荷预测考核指标 | 第17-19页 |
第三章 基于灰色关联度矩阵的母线负荷特性分类方法 | 第19-26页 |
·母线负荷特性分类的必要性 | 第19页 |
·基于灰色关联度矩阵的母线负荷特性分类方法 | 第19-25页 |
·特征向量 | 第20-22页 |
·灰色关联度矩阵聚类方法 | 第22-24页 |
·全网母线负荷特性分类流程框图 | 第24-25页 |
·本章小结 | 第25-26页 |
第四章 短期母线负荷预测样本数据综合预处理 | 第26-38页 |
·短期母线负荷预测样本数据预处理的必要性 | 第26页 |
·数据处理技术现状 | 第26-29页 |
·传统的数据处理技术 | 第26-28页 |
·新兴处理方法 | 第28-29页 |
·各种数据处理方法的优缺点比较 | 第29页 |
·基于改进数据横向比较法的母线负荷数据预处理 | 第29-31页 |
·传统的数据横向比较法 | 第29-30页 |
·改进的数据横向比较法 | 第30-31页 |
·基于小波阀值去噪的母线负荷数据预处理 | 第31-34页 |
·小波阀值去噪法的概念与流程 | 第31-32页 |
·小波分解 | 第32-33页 |
·阀值门限的选取 | 第33页 |
·阀值去噪函数 | 第33-34页 |
·小波重构 | 第34页 |
·短期母线负荷预测样本数据综合预处理方法的具体步骤 | 第34-36页 |
·本章小结 | 第36-38页 |
第五章 基于LSSVM和马尔可夫链的短期母线负荷组合预测 | 第38-53页 |
·常用短期负荷预测方法的优缺点 | 第38-45页 |
·回归分析法 | 第38-39页 |
·指数平滑法 | 第39页 |
·时间序列方法 | 第39页 |
·灰色模型法 | 第39-41页 |
·卡尔曼滤波法 | 第41页 |
·趋势外推法 | 第41页 |
·马尔可夫预测模型 | 第41页 |
·专家系统法 | 第41-42页 |
·模糊预测技术 | 第42页 |
·小波分析法 | 第42页 |
·神经网络方法 | 第42-43页 |
·相空间重构法 | 第43-44页 |
·支持向量机 | 第44页 |
·组合预测法 | 第44-45页 |
·基于LSSVM的短期母线负荷预测 | 第45-48页 |
·LSSVM理论 | 第45-46页 |
·输入变量的选取 | 第46页 |
·核函数的选取 | 第46-47页 |
·模型参数的广义网格搜索算法 | 第47-48页 |
·基于马尔可夫链的误差修正方法 | 第48-50页 |
·马尔可夫链理论 | 第49页 |
·基于马尔可夫链的误差修正步骤 | 第49-50页 |
·基于LSSVM和马尔可夫链的短期母线负荷预测流程框图 | 第50-51页 |
·本章小结 | 第51-53页 |
第六章 实例分析 | 第53-59页 |
·短期母线负荷预测样本数据综合预处理 | 第53-55页 |
·改进的数据横向比较法 | 第53-54页 |
·小波阀值去噪法 | 第54页 |
·短期母线负荷预测样本数据综合预处理 | 第54-55页 |
·基于LSSVM和马尔可夫链的短期母线负荷组合预测 | 第55-58页 |
·本章小结 | 第58-59页 |
第七章 结论与展望 | 第59-61页 |
·主要成果及结论 | 第59页 |
·有待进一步研究的内容 | 第59-61页 |
参考文献 | 第61-66页 |
致谢 | 第66-67页 |
在校期间发表的学术论文和参加科研情况 | 第67页 |