基于负荷预测的变电站最优轮休计划生成
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 选题背景及意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-14页 |
| 1.2.1 短期负荷预测研究现状 | 第10-13页 |
| 1.2.2 需求侧管理研究现状 | 第13-14页 |
| 1.3 本文所做的工作 | 第14-15页 |
| 第二章 高斯随机过程回归理论 | 第15-26页 |
| 2.1 机器学习基本理论 | 第15页 |
| 2.2 随机过程 | 第15-18页 |
| 2.2.1 随机过程的定义 | 第16页 |
| 2.2.2 随机过程的数字特征 | 第16-18页 |
| 2.3 贝叶斯学习理论 | 第18-19页 |
| 2.4 高斯过程 | 第19-25页 |
| 2.4.1 核函数 | 第19-21页 |
| 2.4.2 高斯回归理论基础 | 第21-22页 |
| 2.4.3 高斯过程回归 | 第22-24页 |
| 2.4.4 参数估计 | 第24-25页 |
| 2.5 本章小结 | 第25-26页 |
| 第三章 基于高斯回归模型的负荷预测分析 | 第26-31页 |
| 3.1 引言 | 第26页 |
| 3.2 短期负荷预测的特点 | 第26页 |
| 3.3 基于核函数的多维高斯回归电力负荷预测模型 | 第26-27页 |
| 3.3.1 数据预处理 | 第27页 |
| 3.3.2 训练样本的选择 | 第27页 |
| 3.3.3 核函数的选择 | 第27页 |
| 3.4 案例分析 | 第27-30页 |
| 3.5 本章小结 | 第30-31页 |
| 第四章 最优变电站错峰用电轮休计划生成 | 第31-45页 |
| 4.1 引言 | 第31-32页 |
| 4.2 传统错峰用电计划表的分析 | 第32-34页 |
| 4.3 错峰用电的目标和原则 | 第34-36页 |
| 4.3.1 错峰用电计划生成的目标 | 第34-35页 |
| 4.3.2 最优错峰用电计划生成的数学建模 | 第35-36页 |
| 4.4 最优错峰轮休计划的程序实现 | 第36-40页 |
| 4.4.1 局部邻域搜索基本原理 | 第36页 |
| 4.4.2 禁忌搜索算法的理论基础 | 第36-39页 |
| 4.4.3 最优错峰轮休计划的编程 | 第39-40页 |
| 4.5 案例对比分析 | 第40-43页 |
| 4.6 本章小结 | 第43-45页 |
| 第五章 总结与展望 | 第45-47页 |
| 5.1 全文总结 | 第45页 |
| 5.2 展望 | 第45-47页 |
| 参考文献 | 第47-51页 |
| 攻读硕士学位期间取得的研究成果 | 第51-52页 |
| 致谢 | 第52-53页 |
| 附件 | 第53页 |
