基于外部信息聚合技术的中长期负荷预测方法研究
| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-21页 |
| 1.1 中长期负荷预测的意义 | 第11页 |
| 1.2 影响电力负荷变化的因素 | 第11-12页 |
| 1.3 研究现状 | 第12-19页 |
| 1.3.1 中长期负荷预测研究现状 | 第12-17页 |
| 1.3.2 信息聚合技术 | 第17-19页 |
| 1.4 本文主要工作 | 第19-21页 |
| 第2章 面向中长期负荷预测的信息聚合 | 第21-30页 |
| 2.1 概述 | 第21页 |
| 2.2 电力负荷变化特点 | 第21-22页 |
| 2.3 聚类分析 | 第22-25页 |
| 2.3.1 相关性分析 | 第22-24页 |
| 2.3.2 回归分析 | 第24页 |
| 2.3.3 k-means聚类 | 第24-25页 |
| 2.4 多因素综合分析 | 第25-27页 |
| 2.4.1 主成分分析 | 第26页 |
| 2.4.2 因子分析 | 第26-27页 |
| 2.5 算例分析 | 第27-29页 |
| 2.6 本章小结 | 第29-30页 |
| 第3章 累积效应的识别方法 | 第30-39页 |
| 3.1 概述 | 第30页 |
| 3.2 累积效应的表现形式 | 第30-31页 |
| 3.3 参数分析 | 第31-33页 |
| 3.4 拟合优度分析 | 第33-34页 |
| 3.4.1 多元拟合优度的计算 | 第33页 |
| 3.4.2 多元拟合曲线收敛点的确定 | 第33-34页 |
| 3.5 算例分析 | 第34-38页 |
| 3.6 本章小结 | 第38-39页 |
| 第4章 考虑累积效应的信息聚合方法 | 第39-58页 |
| 4.1 概述 | 第39页 |
| 4.2 考虑累积效应的信息聚合模型 | 第39-43页 |
| 4.3 模糊神经网络 | 第43-54页 |
| 4.3.1 输入与输出 | 第44-45页 |
| 4.3.2 预测模型 | 第45-46页 |
| 4.3.3 trimf型隶属函数模型训练 | 第46-49页 |
| 4.3.4 gbellmf型隶属函数模型训练 | 第49-52页 |
| 4.3.5 预测结果 | 第52-54页 |
| 4.4 对照实验 | 第54-57页 |
| 4.5 本章小结 | 第57-58页 |
| 结论与展望 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 致谢 | 第64-65页 |
| 附录A 攻读硕士学位期间取得的研究成果 | 第65-66页 |
| 附录B 模糊神经网络输入数据 | 第66-68页 |
