| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第8-18页 |
| 1.1 研究背景与意义 | 第8页 |
| 1.2 国内外研究现状 | 第8-15页 |
| 1.2.1 负荷模型研究现状 | 第8-11页 |
| a.静态负荷模型 | 第8-9页 |
| b.机理动态负荷模型 | 第9-10页 |
| c.非机理负荷模型 | 第10-11页 |
| d.综合负荷模型 | 第11页 |
| 1.2.2 负荷建模方法研究现状 | 第11-14页 |
| 1.2.3 负荷预测研究现状 | 第14-15页 |
| 1.2.4 智能优化算法研究现状 | 第15页 |
| 1.3 本文主要研究内容 | 第15-18页 |
| 2 改进GP和GWO实现电力负荷自动建模 | 第18-44页 |
| 2.1 采用遗传程序(GP)建立负荷模型 | 第18-22页 |
| 2.1.1 负荷模型结构组成 | 第18页 |
| 2.1.2 遗传程序设计负荷建模适应度评价 | 第18-19页 |
| 2.1.3 负荷建模遗传操作 | 第19-20页 |
| a.复制负荷模型算子 | 第19页 |
| b.交叉负荷模型算子 | 第19-20页 |
| c.变异负荷模型算子 | 第20页 |
| 2.1.4 负荷建模终止准则与结果标定 | 第20-21页 |
| 2.1.5 遗传程序设计负荷建模主程序流程 | 第21-22页 |
| 2.2 采用灰狼算法优化负荷模型参数 | 第22-26页 |
| 2.2.1 种群等级 | 第23页 |
| 2.2.2 灰狼算法(GWO)描述 | 第23-24页 |
| 2.2.3 流程图 | 第24-26页 |
| 2.3 负荷模型有效性验证 | 第26页 |
| 2.4 计算实例和分析 | 第26-43页 |
| 2.4.1 数据修正 | 第26页 |
| 2.4.2 实验环境和GP算法参数 | 第26-43页 |
| 2.5 本章小结 | 第43-44页 |
| 3 基于相似日和GP-FA的居民用电短期负荷预测模型 | 第44-60页 |
| 3.1 相似日选取 | 第44-45页 |
| 3.1.1 余弦相似度计算 | 第44页 |
| 3.1.2 总关联度计算 | 第44-45页 |
| 3.1.3 相似性综合指标 | 第45页 |
| 3.1.4 趋势相似度 | 第45页 |
| 3.2 基于改进GP实现负荷预测 | 第45-50页 |
| 3.2.1 负荷预测模型的生成方法 | 第45-46页 |
| 3.2.2 遗传程序设计负荷预测建模适应度评价 | 第46-47页 |
| 3.2.3 负荷预测建模遗传操作 | 第47-48页 |
| a.复制负荷预测模型算子 | 第47页 |
| b.交叉负荷预测模型算子 | 第47-48页 |
| c.变异负荷模型算子 | 第48页 |
| 3.2.4 负荷预测建模终止准则与结果标定 | 第48-50页 |
| 3.3 萤火虫(FA)算法优化预测模型参数 | 第50-53页 |
| 3.3.1 引言 | 第51页 |
| 3.3.2 萤火虫(FA)算法描述 | 第51-52页 |
| 3.3.3 流程图 | 第52-53页 |
| 3.4 负荷预测模型有效性验证 | 第53-54页 |
| 3.5 计算实例和分析 | 第54-58页 |
| 3.5.1 数据修正 | 第54页 |
| 3.5.2 实验环境的选择 | 第54页 |
| 3.5.3 确定GP基本参数及方法 | 第54-55页 |
| 3.5.4 计算实例和分析 | 第55-58页 |
| a.实验结果 | 第56-58页 |
| 3.6 本章小结 | 第58-60页 |
| 4 总结与展望 | 第60-62页 |
| 4.1 改进遗传程序设计和灰狼算法实现电力负荷自动建模 | 第60页 |
| 4.2 基于相似日和GP-FA的居民用电短期负荷预测模型 | 第60页 |
| 4.3 展望 | 第60-62页 |
| 5 致谢 | 第62-64页 |
| 参考文献 | 第64-66页 |
