基于EEMD-LSSVM的短期负荷预测
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 课题研究背景和意义 | 第9-10页 |
| 1.2 国内外负荷预测的研究现状 | 第10-11页 |
| 1.3 本文主要方法的研究现状 | 第11-13页 |
| 1.3.1 模糊聚类法 | 第11页 |
| 1.3.2 集成经验模态分解 | 第11-12页 |
| 1.3.3 最小二乘支持向量机 | 第12-13页 |
| 1.4 本文的主要研究内容 | 第13-15页 |
| 第2章 负荷特性分析 | 第15-21页 |
| 2.1 负荷分类 | 第15-16页 |
| 2.2 短期负荷特征 | 第16页 |
| 2.3 负荷分解 | 第16-17页 |
| 2.4 影响因素 | 第17-18页 |
| 2.4.1 气象因素 | 第17-18页 |
| 2.4.2 其他因素 | 第18页 |
| 2.5 数据预处理 | 第18-20页 |
| 2.5.1 异常数据的辨识 | 第19页 |
| 2.5.2 异常数据的修正 | 第19-20页 |
| 2.6 本章小结 | 第20-21页 |
| 第3章 负荷预测相似日聚类 | 第21-28页 |
| 3.1 相似日法 | 第21-22页 |
| 3.2 模糊聚类选取相似日 | 第22-26页 |
| 3.2.1 模糊聚类分析 | 第22页 |
| 3.2.2 模糊相似矩阵 | 第22-23页 |
| 3.2.3 短期负荷的影响因素及其量化 | 第23-25页 |
| 3.2.4 模糊聚类选取相似日流程 | 第25-26页 |
| 3.3 仿真分析 | 第26-27页 |
| 3.4 本章小结 | 第27-28页 |
| 第4章 基于EEMD-LSSVM的负荷预测模型 | 第28-41页 |
| 4.1 集成经验模态分解 | 第28-30页 |
| 4.1.1 经验模态分解 | 第28-29页 |
| 4.1.2 集成经验模态分解 | 第29-30页 |
| 4.2 最小二乘支持向量机算法 | 第30-37页 |
| 4.2.1 最小二乘支持向量机 | 第30-33页 |
| 4.2.2 基于人工蜂群的参数优化 | 第33-37页 |
| 4.3 基于EEMD-LSSVM的预测模型 | 第37-40页 |
| 4.3.1 负荷预测组合模型 | 第37-38页 |
| 4.3.2 滑动预测模型 | 第38-39页 |
| 4.3.3 预测效果评价指标 | 第39-40页 |
| 4.4 本章小结 | 第40-41页 |
| 第5章 负荷预测实例分析 | 第41-47页 |
| 5.1 集成经验模态分解结果 | 第41-42页 |
| 5.2 采用不同预测模型结果比较 | 第42-43页 |
| 5.3 采用不同历史序列长度的结果比较 | 第43-44页 |
| 5.4 采用不同预测尺度的结果比较 | 第44-46页 |
| 5.5 本章小结 | 第46-47页 |
| 结论 | 第47-48页 |
| 参考文献 | 第48-51页 |
| 附录 | 第51-53页 |
| 致谢 | 第53页 |
