基于改进人工蜂群算法的中长期电力负荷预测
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第11-18页 |
| 1.1 研究背景和意义 | 第11页 |
| 1.2 负荷预测概述 | 第11-17页 |
| 1.2.1 负荷预测定义 | 第11-12页 |
| 1.2.2 负荷预测特点 | 第12页 |
| 1.2.3 负荷预测分类 | 第12-13页 |
| 1.2.4 负荷预测步骤 | 第13-14页 |
| 1.2.5 影响负荷预测的主要因素 | 第14-15页 |
| 1.2.6 负荷预测误差分析 | 第15-17页 |
| 1.3 本文主要研究内容及创新点 | 第17-18页 |
| 第2章 中长期负荷预测与组合预测 | 第18-29页 |
| 2.1 中长期负荷预测 | 第18-25页 |
| 2.1.1 中长期负荷预测特点 | 第18页 |
| 2.1.2 中长期负荷预测常用方法 | 第18-25页 |
| 2.2 组合预测定义及特点 | 第25页 |
| 2.3 组合预测数学模型 | 第25-26页 |
| 2.4 组合预测权重的确定 | 第26-28页 |
| 2.4.1 等权平均组合预测法 | 第26-27页 |
| 2.4.2 方差—协方差优选组合预测法 | 第27页 |
| 2.4.3 最小二乘法 | 第27-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第3章 基于改进人工蜂群算法的组合预测 | 第29-39页 |
| 3.1 智能算法的选择比较 | 第29-32页 |
| 3.1.1 遗传算法 | 第29-30页 |
| 3.1.2 粒子群算法 | 第30-31页 |
| 3.1.3 蚁群算法 | 第31页 |
| 3.1.4 与人工蜂群算法比较 | 第31-32页 |
| 3.2 人工蜂群算法国内外研究现状 | 第32页 |
| 3.3 生物模型 | 第32-34页 |
| 3.4 人工蜂群算法 | 第34-36页 |
| 3.5 对人工蜂群算法的改进 | 第36-37页 |
| 3.5.1 引入扰动项 | 第36-37页 |
| 3.5.2 最坏食物源替代 | 第37页 |
| 3.6 改进人工蜂群算法在组合预测中应用 | 第37-38页 |
| 3.7 本章小结 | 第38-39页 |
| 第4章 实例分析 | 第39-50页 |
| 4.1 历史数据 | 第39页 |
| 4.2 各单一模型预测 | 第39-46页 |
| 4.2.1 线性回归 | 第39-41页 |
| 4.2.2 人工神经网络 | 第41-42页 |
| 4.2.3 指数平滑 | 第42-43页 |
| 4.2.4 灰色系统 | 第43-45页 |
| 4.2.5 灰色线性回归 | 第45-46页 |
| 4.3 人工蜂群算法组合预测 | 第46-47页 |
| 4.4 改进人工蜂群算法组合预测 | 第47页 |
| 4.5 预测结果比较 | 第47-48页 |
| 4.6 本章小结 | 第48-50页 |
| 结论与展望 | 第50-52页 |
| 参考文献 | 第52-56页 |
| 致谢 | 第56-57页 |
| 附录A 攻读学位期间所发表的学术论文目录 | 第57-58页 |
| 附录B 攻读学位期间所参加的科研项目目录 | 第58页 |
