基于小波包分析的短期负荷预测研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 1 绪论 | 第10-17页 |
| ·本课题研究的背景及意义 | 第10-11页 |
| ·电力负荷预测研究的背景 | 第10页 |
| ·电力负荷预测的分类 | 第10-11页 |
| ·短期负荷预测的意义 | 第11页 |
| ·短期负荷预测的国内外研究现状 | 第11-15页 |
| ·短期负荷预测传统方法 | 第12-13页 |
| ·短期负荷预测人工智能方法 | 第13-15页 |
| ·负荷预测误差分析方法 | 第15-16页 |
| ·本文主要研究工作 | 第16-17页 |
| 2 小波分析技术在短期负荷预测中的应用 | 第17-32页 |
| ·引言 | 第17页 |
| ·小波变换的基本概念 | 第17-19页 |
| ·连续小波变换 | 第17-18页 |
| ·离散小波变换 | 第18-19页 |
| ·二进小波变换 | 第19页 |
| ·多分辨率分析及MALLAT算法 | 第19-24页 |
| ·一维正交多分辨率分析及Mallat算法 | 第19-23页 |
| ·多维正交多分辨率分析 | 第23-24页 |
| ·小波包分析 | 第24-27页 |
| ·小波包理论分析 | 第25-26页 |
| ·小波包的性质 | 第26页 |
| ·小波包的空间分解 | 第26-27页 |
| ·小波包算法 | 第27页 |
| ·小波包分析在负荷预测中的应用 | 第27-28页 |
| ·负荷数据的小波包分解 | 第28-31页 |
| ·小波包变换尺度选择 | 第28页 |
| ·基于小波包分析的负荷序列分解 | 第28-31页 |
| ·本章小结 | 第31-32页 |
| 3 基于小波包和BP神经网络的短期负荷预测研究 | 第32-45页 |
| ·引言 | 第32页 |
| ·人工神经网络基本理论 | 第32-36页 |
| ·人工神经网络的发展 | 第32-33页 |
| ·人工神经元模型 | 第33-34页 |
| ·神经网络的结构及工作方式 | 第34-35页 |
| ·神经网络的学习算法 | 第35-36页 |
| ·BP神经网络 | 第36-39页 |
| ·BP网络模型及学习规则 | 第36-37页 |
| ·BP神经网络的局限性 | 第37-38页 |
| ·几种改进的BP算法 | 第38-39页 |
| ·基于小波包和BP神经网络的预测算法 | 第39-44页 |
| ·历史负荷数据归一化 | 第39页 |
| ·算法流程 | 第39-40页 |
| ·实际算例仿真 | 第40-42页 |
| ·预测结果分析 | 第42-44页 |
| ·本章小结 | 第44-45页 |
| 4 基于小波包和马尔科夫链的短期负荷预测研究 | 第45-61页 |
| ·引言 | 第45页 |
| ·马尔科夫过程的基本理论 | 第45-47页 |
| ·马尔科夫过程的定义 | 第45-46页 |
| ·马尔科夫链 | 第46页 |
| ·一步转移概率矩阵 | 第46-47页 |
| ·基于小波包和马尔科夫链的预测算法 | 第47-53页 |
| ·算法原理及流程图 | 第47-48页 |
| ·实际算例仿真 | 第48-51页 |
| ·预测结果分析 | 第51-53页 |
| ·基于小波包和峰式马尔科夫链的预测算法 | 第53-59页 |
| ·峰式马尔科夫链 | 第53页 |
| ·算法原理及流程图 | 第53-55页 |
| ·实际算例仿真 | 第55-57页 |
| ·预测结果分析 | 第57-59页 |
| ·本章小结 | 第59-61页 |
| 5 总结与展望 | 第61-63页 |
| ·主要工作总结 | 第61页 |
| ·研究展望 | 第61-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-68页 |
