| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 论文研究背景及意义 | 第8-9页 |
| 1.2 微电网负荷预测研究现状 | 第9-12页 |
| 1.2.1 微电网超短期负荷预测的特点 | 第9-10页 |
| 1.2.2 超短期负荷预测研究现状 | 第10-12页 |
| 1.3 本文主要内容与组织结构 | 第12-14页 |
| 第二章 基于广义形态学的微电网负荷序列预处理技术 | 第14-20页 |
| 2.1 微电网负荷序列特性分析 | 第14-15页 |
| 2.2 数学形态学简介 | 第15-16页 |
| 2.3 基于广义形态学的微电网负荷序列预处理 | 第16-19页 |
| 2.4 本章小结 | 第19-20页 |
| 第三章 基于改进人工蜂群-循环神经网络的微电网负荷预测模型 | 第20-32页 |
| 3.1 区间预测建模 | 第20-22页 |
| 3.1.1 基于神经网络的区间模型 | 第20-21页 |
| 3.1.2 区间预测指标 | 第21-22页 |
| 3.2 人工神经网络 | 第22-24页 |
| 3.2.1 ANN简介 | 第22-23页 |
| 3.2.2 循环神经网络 | 第23页 |
| 3.2.3 基于循环神经网络的微电网负荷区间模型 | 第23-24页 |
| 3.3 人工蜂群算法及其改进 | 第24-28页 |
| 3.3.1 人工蜂群算法简介 | 第24-26页 |
| 3.3.2 基于信息反馈的种群更新策略 | 第26页 |
| 3.3.3 基于最优引导的种群淘汰策略 | 第26页 |
| 3.3.4 改进的人工蜂群算法流程 | 第26-27页 |
| 3.3.5 基于改进人工蜂群算法-循环神经网络的微电网负荷预测 | 第27-28页 |
| 3.4 算例分析 | 第28-31页 |
| 3.4.1 微电网及负荷序列基本情况 | 第28页 |
| 3.4.2 算法寻优性能及预测结果对比分析 | 第28-30页 |
| 3.4.3 滤波前后预测结果对比分析 | 第30-31页 |
| 3.5 本章小结 | 第31-32页 |
| 第四章 基于改进珊瑚礁算法的微电网负荷区间预测模型 | 第32-40页 |
| 4.1 改进区间预测模型 | 第32页 |
| 4.2 珊瑚礁算法 | 第32-35页 |
| 4.2.1 珊瑚礁算法简介 | 第32-33页 |
| 4.2.2 改进珊瑚礁算法 | 第33-34页 |
| 4.2.3 基于ESMCRO-RNN的微电网超短期负荷区间预测 | 第34-35页 |
| 4.3 算例分析 | 第35-39页 |
| 4.3.1 算法寻优性能及预测结果对比分析 | 第35-37页 |
| 4.3.2 平均偏移指标对预测精度的影响 | 第37-38页 |
| 4.3.3 微电网负荷预测结果对比分析 | 第38-39页 |
| 4.4 本章小结 | 第39-40页 |
| 第五章 基于多目标人工蜂群算法的微电网负荷区间预测 | 第40-48页 |
| 5.1 多目标优化问题的数学描述 | 第40-41页 |
| 5.2 多目标区间预测优化准则 | 第41-42页 |
| 5.3 基于改进MOABC的微电网负荷区间预测模型 | 第42-44页 |
| 5.3.1 逼近理想解排序策略 | 第42页 |
| 5.3.2 网格筛选策略 | 第42-43页 |
| 5.3.3 基于MOABC的微电网负荷预测算法流程 | 第43-44页 |
| 5.4 算例分析 | 第44-47页 |
| 5.4.1 多目标优化与传统单目标优化区间预测性能的对比分析 | 第44-46页 |
| 5.4.2 多目标优化算法负荷区间预测结果性能分析 | 第46-47页 |
| 5.5 本章小结 | 第47-48页 |
| 第六章 主要结论与展望 | 第48-50页 |
| 6.1 结论 | 第48页 |
| 6.2 展望 | 第48-50页 |
| 致谢 | 第50-51页 |
| 参考文献 | 第51-54页 |
| 附录:作者在攻读硕士学位期间的科研成果 | 第54页 |
