电力短期负荷预测的混合智能优化技术及其软件实现
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第一章 绪论 | 第9-17页 |
| ·电力系统负荷预测概述 | 第9-10页 |
| ·短期电力负荷预测的发展和现状 | 第10-15页 |
| ·短期负荷预测的发展过程 | 第10-11页 |
| ·短期负荷预测的研究现状 | 第11-15页 |
| ·本文的主要工作 | 第15-17页 |
| 第二章 负荷预测分析 | 第17-25页 |
| ·电力负荷的构成和特点 | 第17-20页 |
| ·电力负荷的构成 | 第17-18页 |
| ·电力负荷的特点 | 第18-20页 |
| ·负荷数据的预处理方法 | 第20-23页 |
| ·奇异值校正 | 第20-21页 |
| ·数据归一化处理 | 第21-23页 |
| ·负荷预测误差分析指标 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 第三章 基于相似日的线性外推法预测模型 | 第25-30页 |
| ·引言 | 第25页 |
| ·相似日方法 | 第25-27页 |
| ·基本原理 | 第25页 |
| ·相似日的求取 | 第25-27页 |
| ·基于相似日的线性外推的原理和步骤 | 第27-29页 |
| ·线性外推的原理 | 第27页 |
| ·基于相似日的线性外推的原理 | 第27页 |
| ·基于相似日的线性外推的步骤 | 第27-29页 |
| ·本章小结 | 第29-30页 |
| 第四章 支持向量机预测模型 | 第30-38页 |
| ·引言 | 第30页 |
| ·支持向量机回归模型 | 第30-34页 |
| ·基于支持向量机的短期负荷预测模型 | 第34-37页 |
| ·构造SVM回归预测模型 | 第34-35页 |
| ·样本选取和预测步骤 | 第35-37页 |
| ·本章小结 | 第37-38页 |
| 第五章 组合预测模型 | 第38-42页 |
| ·引言 | 第38页 |
| ·组合预测模型原理 | 第38-39页 |
| ·组合预测模型 | 第39-41页 |
| ·预测模型 | 第40-41页 |
| ·组合预测流程 | 第41页 |
| ·本章小结 | 第41-42页 |
| 第六章 基于混合智能优化技术的电力短期负荷预测 | 第42-50页 |
| ·引言 | 第42页 |
| ·基于混合智能优化技术的负荷预测模型 | 第42-43页 |
| ·原理 | 第42-43页 |
| ·模型框图 | 第43页 |
| ·实例仿真与结果分析 | 第43-49页 |
| ·本章小结 | 第49-50页 |
| 第七章 预测软件介绍 | 第50-54页 |
| ·简介 | 第50页 |
| ·目的 | 第50页 |
| ·软件开发环境和运行环境 | 第50-51页 |
| ·模块简介 | 第51-52页 |
| ·主要技术难点 | 第52页 |
| ·软件的功能介绍 | 第52-54页 |
| 第八章 结论与展望 | 第54-56页 |
| ·全文总结 | 第54-55页 |
| ·后继工作的展望 | 第55-56页 |
| 参考文献 | 第56-60页 |
| 攻读硕士学位期间发表论文 | 第60-61页 |
| 致谢 | 第61页 |
