基于组合模型的最大负荷预测方法研究
| 摘要 | 第8-9页 |
| 英文摘要 | 第9-10页 |
| 1 前言 | 第11-16页 |
| 1.1 研究的目的和意义 | 第11-12页 |
| 1.2 预测理论依据及应遵循的理念 | 第12-13页 |
| 1.3 国内外研究现状 | 第13-14页 |
| 1.4 本文研究思路及主要工作 | 第14-16页 |
| 2 电力负荷预测概述 | 第16-23页 |
| 2.1 电力负荷预测的特点及基本原理 | 第16-17页 |
| 2.2 电力负荷预测的分类与步骤 | 第17-19页 |
| 2.2.1 电力负荷预测的分类 | 第17-19页 |
| 2.2.2 电力负荷预测的步骤 | 第19页 |
| 2.3 电力负荷预测的主要方法 | 第19-22页 |
| 2.4 本章小结 | 第22-23页 |
| 3 神经网络的基础理论及算法研究 | 第23-36页 |
| 3.1 神经网络的发展概况 | 第23页 |
| 3.2 神经网络基础 | 第23-27页 |
| 3.2.1 神经网络的原理 | 第23-24页 |
| 3.2.2 神经网络的基本特点 | 第24页 |
| 3.2.3 神经网络的模型 | 第24-26页 |
| 3.2.4 神经网络结构及各级功能 | 第26-27页 |
| 3.3 BP神经网络 | 第27-35页 |
| 3.3.1 BP神经网络的原理及结构 | 第27-28页 |
| 3.3.2 BP神经网络的学习算法 | 第28-30页 |
| 3.3.3 BP神经网络权值调整方法 | 第30-31页 |
| 3.3.4 BP神经网络的参数选取 | 第31-35页 |
| 3.4 本章小结 | 第35-36页 |
| 4 基于BP神经网络的富锦地区负荷预测 | 第36-45页 |
| 4.1 基于BP神经网络的相关因素预测 | 第37页 |
| 4.2 基于BP神经网络的时间序列预测 | 第37-44页 |
| 4.2.1 第一产业用电量的预测 | 第38-39页 |
| 4.2.2 第二产业用电量的预测 | 第39-40页 |
| 4.2.3 第三产业用电量的预测 | 第40-41页 |
| 4.2.4 居民用电量的预测 | 第41-42页 |
| 4.2.5 人口数量的预测 | 第42-43页 |
| 4.2.6 地区国民生产总值的预测 | 第43-44页 |
| 4.3 预测结果 | 第44-45页 |
| 5 基于组合模型的富锦地区负荷预测 | 第45-58页 |
| 5.1 组合预测概述 | 第45页 |
| 5.2 组合预测模型 | 第45-46页 |
| 5.3 组合预测模型确定权重系数的方法 | 第46-49页 |
| 5.3.1 算术平均法 | 第46-47页 |
| 5.3.2 平方和倒数法 | 第47页 |
| 5.3.3 二项式系数法 | 第47-48页 |
| 5.3.4 线性规划法 | 第48-49页 |
| 5.3.5 最小二乘法 | 第49页 |
| 5.4 单一模型负荷预测实例分析与结果 | 第49-54页 |
| 5.4.1 n次曲线回归模型求解 | 第49-50页 |
| 5.4.2 抛物线回归模型求解 | 第50-51页 |
| 5.4.3 指数回归模型求解 | 第51-52页 |
| 5.4.4 幂函数回归模型求解 | 第52-54页 |
| 5.5 组合预测模型求解 | 第54-55页 |
| 5.6 预测模型对比分析 | 第55-57页 |
| 5.7 预测结果 | 第57-58页 |
| 6 结论与展望 | 第58-60页 |
| 6.1 结论 | 第58页 |
| 6.2 展望 | 第58-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 攻读硕士学位期间发表的学术论文 | 第65页 |
