短期电力负荷预测技术研究
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 1 绪论 | 第8-15页 |
| ·研究背景 | 第8页 |
| ·负荷预测技术的发展 | 第8-13页 |
| ·预测模型的发展 | 第8-10页 |
| ·负荷影响因素的研究 | 第10-11页 |
| ·智能技术的应用 | 第11-13页 |
| ·论文的主要内容 | 第13-15页 |
| ·论文的主要研究成果 | 第13页 |
| ·论文的章节安排 | 第13-15页 |
| 2 小波变换在负荷预测中的应用 | 第15-26页 |
| ·小波变换理论 | 第15-20页 |
| ·小波变换原理 | 第15-17页 |
| ·多分辨率分析和双尺度方程 | 第17-18页 |
| ·Mallat算法 | 第18-20页 |
| ·负荷序列的小波基选取 | 第20-23页 |
| ·小波基函数性质 | 第20-22页 |
| ·针对负荷序列的小波基选取 | 第22-23页 |
| ·负荷序列的预测建模 | 第23-25页 |
| ·本章小结 | 第25-26页 |
| 3 时间序列分析在负荷预测中的应用 | 第26-36页 |
| ·线性时间序列模型 | 第26-28页 |
| ·模型结构识别与定阶方法 | 第28-33页 |
| ·自相关函数和偏相关函数 | 第28-29页 |
| ·模型识别与定阶 | 第29-30页 |
| ·模型参数估计 | 第30-33页 |
| ·低频序列的时间序列法预测 | 第33-35页 |
| ·本章小结 | 第35-36页 |
| 4 人工神经网络在负荷预测中的应用 | 第36-43页 |
| ·神经网络的基本原理 | 第36-38页 |
| ·径向基函数神经网络的构成 | 第36-37页 |
| ·基于高斯核的径向基网络 | 第37-38页 |
| ·基于高斯核的网络训练 | 第38-41页 |
| ·参数确定与初始化 | 第38-40页 |
| ·计算输出值 | 第40页 |
| ·权重参数的迭代计算 | 第40-41页 |
| ·高频序列的神经网络预测 | 第41-42页 |
| ·本章小结 | 第42-43页 |
| 5 算例分析 | 第43-49页 |
| ·负荷数据小波分解 | 第43-44页 |
| ·各尺度域预测 | 第44-46页 |
| ·结果分析 | 第46-48页 |
| ·本章小结 | 第48-49页 |
| 结论 | 第49-50页 |
| 参考文献 | 第50-52页 |
| 附录A 预测日96点数据预测结果 | 第52-55页 |
| 攻读硕士学位期间发表学术论文情况 | 第55-56页 |
| 致谢 | 第56-57页 |
