| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第12-21页 |
| 1.1 电力负荷预测的研究背景及意义 | 第12-13页 |
| 1.2 电力负荷预测的研究现状及发展趋势 | 第13-14页 |
| 1.2.1 电力负荷预测的研究现状 | 第13-14页 |
| 1.2.3 电力负荷预测的发展方向 | 第14页 |
| 1.3 电力负荷预测的特点及误差分析 | 第14-17页 |
| 1.3.1 电力负荷预测的特点 | 第14-16页 |
| 1.3.2 电力负荷预测的误差分析 | 第16-17页 |
| 1.4 电力负荷预测的基本要求 | 第17-18页 |
| 1.5 当前负荷预测研究中主要存在的问题 | 第18-19页 |
| 1.6 本文所做的主要工作 | 第19-20页 |
| 1.7 本文的组织结构 | 第20-21页 |
| 第2章 基于阈值和云滴典型度分析改进FCM聚类的电力负荷模式识别方法 | 第21-26页 |
| 2.1 主要思想 | 第21页 |
| 2.2 预备理论知识简介 | 第21-23页 |
| 2.2.1 传统的FCM聚类算法 | 第21-22页 |
| 2.2.2 云及逆向云发生器 | 第22-23页 |
| 2.3 基于阈值和云滴典型度分析改进FCM算法的负荷模式识别 | 第23-25页 |
| 2.3.1 基于阈值的异质和非典型数据的识别 | 第23页 |
| 2.3.2 电力负荷曲线的云分析 | 第23-24页 |
| 2.3.3 基于隶属度阈值和云滴典型度分析的改进模糊C-均值聚类算法 | 第24-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第3章 基于改进FCM聚类和RBF网络多模型变权综合电力负荷预测 | 第26-33页 |
| 3.1 主要思路 | 第26-27页 |
| 3.2 径向基函数(RBF-Radial Basis Function)神经网络简介 | 第27-29页 |
| 3.2.1 RBF神经网络的基本概念 | 第27页 |
| 3.2.2 RBF神经网络的基模型 | 第27-28页 |
| 3.2.3 径向基函数神经网络的结构 | 第28-29页 |
| 3.3 径向基神经网络学习的改进共轭梯度下降法算法 | 第29-31页 |
| 3.4 基于相似度的子模型自适应赋权 | 第31-32页 |
| 3.5 基于改进FCM聚类和RBF网络的多模型变权综合电力负荷预测 | 第32页 |
| 3.6 本章小结 | 第32-33页 |
| 第4章 基于相似训练数据组织和改进梯度提升决策树的电力负荷综合预测 | 第33-45页 |
| 4.1 主要思路 | 第33-34页 |
| 4.2 基于相似度的训练数据选择与加权组织 | 第34-36页 |
| 4.2.1 影响因素分类和局部相似度计算 | 第34-36页 |
| 4.2.2 基于取小算子的综合相似度与训练数据选择 | 第36页 |
| 4.2.3 取小算子综合相似度法优化模型参数 | 第36页 |
| 4.3 基于加权损失函数的改进梯度提升决策树学习算法 | 第36-42页 |
| 4.3.1 决策树 | 第36-39页 |
| 4.3.2 Gradient Boosting | 第39-41页 |
| 4.3.3 基于加权损失函数的改进梯度提升决策树学习算法 | 第41-42页 |
| 4.4 基于变权权值相似日选取和梯度提升决策树的电力负荷预测 | 第42-44页 |
| 4.5 本章小结 | 第44-45页 |
| 第五章 预测实例及结果分析 | 第45-54页 |
| 5.1 数据来源与构成 | 第45页 |
| 5.2 实验设计 | 第45页 |
| 5.3 基于阈值和云滴典型度分析改进FCM聚类的电力负荷模式识别 | 第45-48页 |
| 5.3.1 最佳聚类数 | 第45-46页 |
| 5.3.2 聚类结果及分析 | 第46-47页 |
| 5.3.3 负荷模式分类的实验小结 | 第47-48页 |
| 5.4 基于改进FCM聚类和RBF网络多模型变权综合的电力负荷预测 | 第48-50页 |
| 5.4.1 多模型变权负荷预测的实验设计 | 第48页 |
| 5.4.2 多模型变权负荷预测的实验结果及分析 | 第48-49页 |
| 5.4.3 多模型变权负荷预测的实验小结 | 第49-50页 |
| 5.5 基于相似度的训练数据组织和改进梯度提升决策树的电力负荷综合预测 | 第50-54页 |
| 5.5.1 改进GBDT法负荷预测的实验设计 | 第50页 |
| 5.5.2 改进GBDT法负荷预测的实验结果及分析 | 第50-53页 |
| 5.5.3 改进GBDT法负荷预测的实验结论 | 第53-54页 |
| 第6章 结论与展望 | 第54-56页 |
| 6.1 上述工作总结 | 第54页 |
| 6.2 负荷预测工作的未来发展及展望 | 第54-56页 |
| 参考文献 | 第56-61页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第61-62页 |
| 致谢 | 第62页 |
