| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第14-26页 |
| 1.1 课题研究背景和意义 | 第14-15页 |
| 1.2 电力负荷预测的特点和难点 | 第15-17页 |
| 1.3 负荷预测的国内外研究现状 | 第17-23页 |
| 1.3.1. 传统的短期电力负荷预测方法 | 第17-21页 |
| 1.3.2. 机器学习短期电力负荷预测方法 | 第21-23页 |
| 1.4 论文的研究内容 | 第23-24页 |
| 1.5 论文的章节安排 | 第24-26页 |
| 第二章 多因素气象影响下的负荷特性分析 | 第26-38页 |
| 2.1 电力系统负荷分类 | 第26-27页 |
| 2.2 负荷特性指标定义 | 第27-28页 |
| 2.3 负荷特性的周期性 | 第28-31页 |
| 2.3.1. 年负荷特性分析 | 第28-29页 |
| 2.3.2. 季节负荷特性分析 | 第29页 |
| 2.3.3. 周负荷特性分析 | 第29-30页 |
| 2.3.4. 日负荷特性分析 | 第30-31页 |
| 2.4 气象因素对负荷特性影响分析 | 第31-36页 |
| 2.4.1. 温度对负荷的影响 | 第31-32页 |
| 2.4.2. 降雨对负荷的影响 | 第32-33页 |
| 2.4.3. 其他影响因素 | 第33-34页 |
| 2.4.4. 综合气象因子的引入 | 第34-36页 |
| 2.5 负荷预测模型影响因素的选取 | 第36页 |
| 2.6 本章小结 | 第36-38页 |
| 第三章 基于灰色系统与Elman神经网络组合的电力负荷预测 | 第38-60页 |
| 3.1 负荷数据的预处理 | 第38-42页 |
| 3.1.1. 数据误差来源 | 第38-39页 |
| 3.1.2. 负荷数据预处理 | 第39-42页 |
| 3.2 灰色系统预测模型 | 第42-48页 |
| 3.2.1. 灰色系统基本原理 | 第42-43页 |
| 3.2.2. 数据生成 | 第43-46页 |
| 3.2.3. 灰色模型GM (1,1)建模 | 第46-48页 |
| 3.3 Elman神经网络预测模型 | 第48-52页 |
| 3.3.1. Elman神经网络结构 | 第48-50页 |
| 3.3.2. Elman神经网络的预测流程 | 第50-52页 |
| 3.4 基于灰色系统与Elman神经网络组合的电力负荷预测模型 | 第52-56页 |
| 3.4.1. 灰色Elman神经网络预测模型设计 | 第52-53页 |
| 3.4.2. 灰色Elman神经网络负荷预测算法设计 | 第53-56页 |
| 3.5 预测结果及分析 | 第56-58页 |
| 3.6 本章小结 | 第58-60页 |
| 第四章 基于深度学习模型的电力负荷预测 | 第60-80页 |
| 4.1 长短期记忆(LSTM)网络 | 第60-65页 |
| 4.1.1. 循环神经网络 | 第60-62页 |
| 4.1.2 长短期记忆(LSTM)网络 | 第62-64页 |
| 4.1.3. LSTM的变体 | 第64-65页 |
| 4.2 门循环控制单元 | 第65-67页 |
| 4.3 深度自编码神经网络 | 第67-71页 |
| 4.3.1. 栈式自编码神经网络 | 第67-69页 |
| 4.3.2. SAE-NN预测模型设计 | 第69-71页 |
| 4.4 基于深度学习的负荷预测模型搭建 | 第71-76页 |
| 4.4.1.误差评价指标 | 第71-72页 |
| 4.4.2. LSTM和GRU负荷预测模型设计 | 第72-75页 |
| 4.4.3. SAE-NN负荷预测模型设计 | 第75-76页 |
| 4.5 预测效果与对比 | 第76-79页 |
| 4.5.1. 基于深度学习的负荷预测结果分析 | 第76-78页 |
| 4.5.2. 深度学习和灰色Elman神经网络的预测结果对比 | 第78-79页 |
| 4.6 本章小结 | 第79-80页 |
| 第五章 基于深度学习的组合电力负荷预测模型 | 第80-90页 |
| 5.1 组合预测简述 | 第80-81页 |
| 5.2 深度学习组合预测模型中的权值计算 | 第81-84页 |
| 5.2.1. 等权平均组合准则 | 第81-82页 |
| 5.2.2. 方差组合预测模型 | 第82-83页 |
| 5.2.3. 误差平方和最小准则 | 第83-84页 |
| 5.3 组合模型预测实例分析 | 第84-85页 |
| 5.4 傅里叶级数残差修正模型 | 第85-87页 |
| 5.5 残差修正后预测结果对比 | 第87-88页 |
| 5.6 本章小结 | 第88-90页 |
| 第六章 总结与展望 | 第90-92页 |
| 6.1 本文小结 | 第90-91页 |
| 6.2 研究展望 | 第91-92页 |
| 参考文献 | 第92-98页 |
| 攻读硕士学位期间取得的科研成果 | 第98-100页 |
| 致谢 | 第100页 |
