基于HHT的电力负荷影响因素分析及预测
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第10-15页 |
| 1.1 课题的研究背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.2.1 电力负荷预测的分类 | 第11-12页 |
| 1.2.2 常规电力负荷预测方法介绍 | 第12-14页 |
| 1.2.3 HHT算法的发展与应用现状 | 第14-15页 |
| 2 希尔伯特黄变换基础理论 | 第15-22页 |
| 2.1 HHT的基本概念及特点 | 第15-16页 |
| 2.1.1 固有模态函数 | 第15页 |
| 2.1.2 HHT方法的特点 | 第15-16页 |
| 2.2 HHT分析方法原理 | 第16-19页 |
| 2.2.1 EMD分解过程 | 第16-18页 |
| 2.2.2 希尔伯特变换 | 第18-19页 |
| 2.3 HHT信号处理示例 | 第19-21页 |
| 2.4 本章小结 | 第21-22页 |
| 3 负荷特性及其影响因素分析 | 第22-32页 |
| 3.1 历史数据处理 | 第22-23页 |
| 3.1.1 历史数据处理的重要性 | 第22页 |
| 3.1.2 数据处理的常用方法 | 第22-23页 |
| 3.2 负荷特性分析 | 第23-26页 |
| 3.2.1 负荷的基本分类 | 第23-24页 |
| 3.2.2 负荷变化的特点 | 第24-25页 |
| 3.2.3 常见的负荷特性指标 | 第25-26页 |
| 3.3 电力负荷影响因素分析 | 第26-31页 |
| 3.3.1 相关性分析概述 | 第26-27页 |
| 3.3.2 气象因素对电力负荷的影响 | 第27-30页 |
| 3.3.3 其他因素对电力负荷的影响 | 第30-31页 |
| 3.4 本章小结 | 第31-32页 |
| 4 电力负荷预测模型研究 | 第32-48页 |
| 4.1 RBF人工神经网络 | 第32-36页 |
| 4.1.1 RBF网络原理 | 第32-34页 |
| 4.1.2 RBF神经网络的学习算法 | 第34-36页 |
| 4.1.3 RBF神经网络的特点 | 第36页 |
| 4.2 BP人工神经网络 | 第36-41页 |
| 4.2.1 BP算法的结构 | 第36-37页 |
| 4.2.2 BP神经网络算法的数学描述 | 第37-39页 |
| 4.2.3 BP算法的实现步骤 | 第39-40页 |
| 4.2.4 BP神经网络的特点 | 第40-41页 |
| 4.3 时间序列模型 | 第41-45页 |
| 4.3.1 时间序列线性模型 | 第41-42页 |
| 4.3.2 ARMA模型的实现 | 第42-45页 |
| 4.4 电力负荷预测误差分析 | 第45-47页 |
| 4.4.1 误差产生的原因 | 第45-46页 |
| 4.4.2 常用的误差表示方法 | 第46-47页 |
| 4.5 本章小结 | 第47-48页 |
| 5 基于HHT的电力负荷组合预测模型的应用 | 第48-56页 |
| 5.1 数据预处理 | 第48-49页 |
| 5.2 组合预测模型的建立 | 第49-51页 |
| 5.3 算例分析 | 第51-55页 |
| 5.4 本章小结 | 第55-56页 |
| 6 结论与展望 | 第56-58页 |
| 6.1 结论 | 第56页 |
| 6.2 展望 | 第56-58页 |
| 参考文献 | 第58-61页 |
| 个人简历、在学期间发表的学术论文及研究成果 | 第61-62页 |
| 致谢 | 第62页 |
