基于回声状态网络的电力负荷预测研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-13页 |
| 1.1 论文的选题背景与研究意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.3 论文的主要研究内容 | 第11-13页 |
| 2 ESN理论基础 | 第13-19页 |
| 2.1 ESN网络 | 第13-14页 |
| 2.2 LiESN网络 | 第14-15页 |
| 2.3 LiESN离线学习算法 | 第15-18页 |
| 2.4 小结 | 第18-19页 |
| 3 负荷预测预处理方法 | 第19-28页 |
| 3.1 负荷序列分解的预处理方法 | 第19-24页 |
| 3.1.1 EMD方法 | 第19-20页 |
| 3.1.2 EEMD方法 | 第20-22页 |
| 3.1.3 CEEMD方法 | 第22-23页 |
| 3.1.4 CEEMDAN方法 | 第23-24页 |
| 3.2 负荷时间序列的复杂度评估 | 第24-27页 |
| 3.2.1 排列熵 | 第24-25页 |
| 3.2.2 模糊熵 | 第25-27页 |
| 3.3 小结 | 第27-28页 |
| 4 LiESN方法在短期负荷预测中的应用 | 第28-38页 |
| 4.1 建立预测模型 | 第28页 |
| 4.2 短期负荷预测实验 | 第28-36页 |
| 4.2.1 实验数据选取 | 第28-29页 |
| 4.2.2 负荷序列分解 | 第29-31页 |
| 4.2.3 本征模态分量的重组与合并 | 第31-34页 |
| 4.2.4 组合预测 | 第34-36页 |
| 4.3 小结 | 第36-38页 |
| 5 LiESN方法在中期负荷预测中的应用 | 第38-52页 |
| 5.1 欧洲斯洛伐克地区中期电力负荷预测实例 | 第38-45页 |
| 5.1.1 实验数据选取 | 第38页 |
| 5.1.2 负荷序列分解 | 第38-40页 |
| 5.1.3 对本征模态分量的重组与合并 | 第40-42页 |
| 5.1.4 组合预测 | 第42-45页 |
| 5.2 新英格兰地区中期电力负荷预测实例 | 第45-51页 |
| 5.2.1 实验数据选取 | 第45页 |
| 5.2.2 负荷序列分解 | 第45-47页 |
| 5.2.3 本征模态分量的重组与合并 | 第47-49页 |
| 5.2.4 组合预测 | 第49-51页 |
| 5.3 小结 | 第51-52页 |
| 结论 | 第52-53页 |
| 致谢 | 第53-54页 |
| 参考文献 | 第54-57页 |
| 攻读学位期间的研究成果 | 第57页 |
