基于小波分析和支持向量机的电力短期负荷预测
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第一章 绪论 | 第8-17页 |
| ·本课题研究的内容及其现实意义 | 第8-9页 |
| ·负荷预测概念 | 第8页 |
| ·短期负荷预测的现实意义 | 第8-9页 |
| ·负荷预测的特点及其影响因素 | 第9-10页 |
| ·负荷预测的特点 | 第9页 |
| ·影响短期负荷的主要因素 | 第9-10页 |
| ·电力系统短期负荷预测的研究现状 | 第10-14页 |
| ·传统方法 | 第11-12页 |
| ·人工智能方法 | 第12-14页 |
| ·基于小波和支持向量机(SVM)的负荷预测 | 第14-15页 |
| ·本文的主要工作 | 第15-17页 |
| 第二章 支持向量机理论及其在负荷预测中的应用 | 第17-33页 |
| ·概述 | 第17页 |
| ·统计学习理论 | 第17-20页 |
| ·机器学习问题 | 第17-18页 |
| ·VC维 | 第18页 |
| ·推广性的界 | 第18-19页 |
| ·结构风险最小化原则 | 第19-20页 |
| ·支持向量机 | 第20-22页 |
| ·最优分类面 | 第20页 |
| ·线性学习机 | 第20-21页 |
| ·支持向量机 | 第21-22页 |
| ·支持向量机的回归原理 | 第22-24页 |
| ·基于支持向量机的负荷预测 | 第24-33页 |
| 第三章 联合小波分析和支持向量机的短期负荷预测 | 第33-45页 |
| ·引言 | 第33-35页 |
| ·小波理论 | 第35-37页 |
| ·概述 | 第35页 |
| ·小波变换 | 第35-36页 |
| ·离散小波分析 | 第36-37页 |
| ·小波重构 | 第37页 |
| ·基于小波和支持向量机的负荷预测 | 第37-39页 |
| ·算例分析 | 第39-45页 |
| 第四章 模块化负荷预测平台的设计与实现 | 第45-53页 |
| ·负荷预测平台总体设计思路 | 第45-46页 |
| ·负荷预测平台设计原则 | 第45-46页 |
| ·负荷预测平台的总体设计思想 | 第46页 |
| ·平台功能的实现技术和实现方法 | 第46-49页 |
| ·本系统开发工具Visual C++6.0 | 第46-47页 |
| ·历史数据库的存储工具—— Access数据库 | 第47页 |
| ·VC程序访问数据库——MFC ODBC技术 | 第47-48页 |
| ·MATLAB神经网络工具箱 | 第48页 |
| ·VC++调用MATLAB引擎 | 第48-49页 |
| ·模块化负荷预测平台的具体功能描述 | 第49页 |
| ·训练样本预测样本的形成模块 | 第49页 |
| ·负荷预测模型选择模块 | 第49页 |
| ·负荷预测结果显示模块 | 第49页 |
| ·实例分析 | 第49-52页 |
| ·小结 | 第52-53页 |
| 第五章 结论和展望 | 第53-55页 |
| 参考文献 | 第55-58页 |
| 发表论文和参加科研情况说明 | 第58-59页 |
| 致谢 | 第59页 |
