基于粒子滤波算法的电力系统短期负荷预测
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第一章 绪论 | 第10-20页 |
| ·选题意义与背景 | 第10页 |
| ·研究方法综述 | 第10-18页 |
| ·回归分析 | 第10-12页 |
| ·自适应与自学习 | 第12页 |
| ·时间序列分析 | 第12-13页 |
| ·模糊逻辑算法 | 第13-15页 |
| ·人工神经网络 | 第15-16页 |
| ·专家系统 | 第16页 |
| ·灰色系统理论 | 第16-18页 |
| ·本文所做的工作和创新点 | 第18-20页 |
| 第二章 电力系统短期负荷的系统建模 | 第20-32页 |
| ·负荷建模的发展与现状 | 第20-21页 |
| ·电力负荷静态模型 | 第21-23页 |
| ·多项式模型 | 第21页 |
| ·指数模型 | 第21-23页 |
| ·电力系统机理动态负荷模型 | 第23-26页 |
| ·电力系统非机理动态负荷模型 | 第26-31页 |
| ·传递函数形式 | 第26-28页 |
| ·差分方程的形式 | 第28页 |
| ·状态方程形式 | 第28-31页 |
| ·小结 | 第31-32页 |
| 第三章 改进重采样的粒子滤波算法 | 第32-48页 |
| ·粒子滤波算法的由来 | 第32-38页 |
| ·非线性系统的贝叶斯估计 | 第32-35页 |
| ·蒙特卡罗方法 | 第35-36页 |
| ·重要性采样 | 第36-38页 |
| ·粒子滤波算法 | 第38-40页 |
| ·粒子滤波中的退化问题及改进 | 第40-46页 |
| ·粒子滤波的有效个数 | 第40-41页 |
| ·改进重采样算法 | 第41-44页 |
| ·重要性密度函数的选择 | 第44-45页 |
| ·粒子滤波器算法 | 第45-46页 |
| ·小结 | 第46-48页 |
| 第四章 基于粒子滤波的短期负荷预测 | 第48-60页 |
| ·数据来源 | 第48页 |
| ·模型的建立 | 第48-53页 |
| ·对负荷数据特性的了解 | 第48-49页 |
| ·考虑负荷数据的相关性 | 第49-52页 |
| ·考虑气象因素对短期负荷的影响 | 第52-53页 |
| ·建立温度与日平均负荷的关系函数 | 第53-55页 |
| ·应用粒子滤波算法的电力负荷预测 | 第55-59页 |
| ·小结 | 第59-60页 |
| 第五章 仿真实验与结果分析 | 第60-76页 |
| ·模型和参数设定 | 第60-62页 |
| ·短期负荷预测 | 第62-68页 |
| ·初始状态参数选择对预测效果的影响 | 第68-71页 |
| ·粒子滤波与卡尔曼滤波算法的比较 | 第71-74页 |
| ·小结 | 第74-76页 |
| 第六章 结论与展望 | 第76-78页 |
| ·结论 | 第76-77页 |
| ·论文的不足与展望 | 第77-78页 |
| 参考文献 | 第78-83页 |
| 致谢 | 第83-84页 |
| 攻读硕士期间的科研情况 | 第84页 |
