短期电力负荷预测模型及其改进方法研究
| 致谢 | 第3-4页 |
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 1 绪论 | 第16-23页 |
| 1.1 研究背景与意义 | 第16-17页 |
| 1.2 国内外研究现状 | 第17-22页 |
| 1.3 论文研究内容及章节安排 | 第22-23页 |
| 2 电力负荷预测模型相关理论基础 | 第23-46页 |
| 2.1 引言 | 第23页 |
| 2.2 BP神经网络模型原理 | 第23-24页 |
| 2.3 LSTM神经网络模型原理 | 第24-29页 |
| 2.4 CNN神经网络模型原理 | 第29-34页 |
| 2.5 SVM模型原理 | 第34-42页 |
| 2.6 综合负荷模型原理 | 第42-45页 |
| 2.7 本章小结 | 第45-46页 |
| 3 历史数据选取与处理方法 | 第46-52页 |
| 3.1 引言 | 第46页 |
| 3.2 影响因素选择 | 第46-47页 |
| 3.3 历史数据和仿真平台的选取 | 第47-48页 |
| 3.4 电力负荷缺失值处理 | 第48-49页 |
| 3.5 电力负荷异常值的处理 | 第49-50页 |
| 3.6 日类型特征量化处理 | 第50页 |
| 3.7 数据归一化和反归一化处理 | 第50-51页 |
| 3.8 本章小结 | 第51-52页 |
| 4 负荷预测模型搭建与预测分析 | 第52-72页 |
| 4.1 引言 | 第52页 |
| 4.2 模型预测方式与评价标准 | 第52-54页 |
| 4.3 搭建BP神经网络模型并进行预测分析 | 第54-61页 |
| 4.4 搭建LSTM神经网络模型并进行预测分析 | 第61-66页 |
| 4.5 搭建SVM模型并进行预测分析 | 第66-69页 |
| 4.6 综合比较分析 | 第69-71页 |
| 4.7 本章小结 | 第71-72页 |
| 5 负荷预测模型改进方法分析 | 第72-90页 |
| 5.1 引言 | 第72页 |
| 5.2 基于分时段负荷预测数据的修正 | 第72-83页 |
| 5.3 搭建综合负荷模型并进行预测分析 | 第83-85页 |
| 5.4 搭建CNN-LSTM模型并进行预测分析 | 第85-88页 |
| 5.5 综合比较分析 | 第88页 |
| 5.6 本章小结 | 第88-90页 |
| 6 总结与展望 | 第90-92页 |
| 6.1 总结 | 第90页 |
| 6.2 展望 | 第90-92页 |
| 参考文献 | 第92-97页 |
| 作者简历 | 第97-99页 |
| 学位论文数据集 | 第99页 |
