基于支持向量机的电力负荷预测研究
| 摘要 | 第1页 |
| ABSTRACT | 第4-7页 |
| 第一章 绪论 | 第7-12页 |
| ·负荷预测的意义及分类 | 第7-8页 |
| ·负荷预测的背景及意义 | 第7页 |
| ·电力负荷预测的分类 | 第7-8页 |
| ·电力负荷预测的研究现状 | 第8-10页 |
| ·负荷预测的特点 | 第8-9页 |
| ·负荷预测方法概述 | 第9-10页 |
| ·电力负荷的影响因素 | 第10页 |
| ·本文所做工作 | 第10-12页 |
| 第二章 负荷预测的模型和方法 | 第12-27页 |
| ·确定性负荷预测方法 | 第12-18页 |
| ·经济模型预测法 | 第12-13页 |
| ·电力消费弹性系数法 | 第13页 |
| ·回归分析法 | 第13-15页 |
| ·时间序列分析法 | 第15-18页 |
| ·非确定性负荷预测方法 | 第18-25页 |
| ·灰色理论法 | 第19-20页 |
| ·模糊预测法 | 第20-22页 |
| ·专家系统法 | 第22-23页 |
| ·小波分析法 | 第23页 |
| ·人工神经网络法 | 第23-25页 |
| ·各种负荷预测方法比较 | 第25-27页 |
| 第三章 支持向量机方法 | 第27-39页 |
| ·统计学习理论 | 第27-31页 |
| ·经验风险 | 第27-28页 |
| ·学习过程的一致性与VC维 | 第28-30页 |
| ·结构风险最小化原则 | 第30-31页 |
| ·支持向量机方法 | 第31-37页 |
| ·线性可分情形 | 第32-35页 |
| ·非线性可分情形 | 第35-36页 |
| ·非线性支持向量分类器 | 第36-37页 |
| ·核 | 第37-39页 |
| 第四章 基于支持向量机的电力负荷预测模型 | 第39-46页 |
| ·ε-支持向量回归机 | 第39-40页 |
| ·算法在电力负荷预测中的应用 | 第40-46页 |
| ·环境因素的选取 | 第41-42页 |
| ·负荷预测环境因素的主成分分析 | 第42-43页 |
| ·模型中核函数及核函数参数的选择 | 第43-45页 |
| ·模型的大体框架 | 第45-46页 |
| 第五章 算法的实例分析 | 第46-54页 |
| ·实时负荷预测 | 第46-49页 |
| ·训练样本的选取与处理 | 第46-47页 |
| ·预测样本的选取与处理 | 第47-48页 |
| ·预测结果及误差分析 | 第48-49页 |
| ·日最大负荷预测 | 第49-52页 |
| ·训练样本的选取与星期属性的处理 | 第49-50页 |
| ·预测样本的选取 | 第50-51页 |
| ·预测结果及误差分析 | 第51-52页 |
| ·年最大负荷预测 | 第52-54页 |
| ·预测过程 | 第52-53页 |
| ·预测结果及其分析 | 第53-54页 |
| 第六章 总结与展望 | 第54-56页 |
| 参考文献 | 第56-59页 |
| 发表论文和科研情况说明 | 第59-60页 |
| 致谢 | 第60页 |
