基于支持向量回归建模方法的短期电力负荷预测研究
| 中文摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 第一章 绪论 | 第7-15页 |
| 1.1 课题研究背景及意义 | 第7-8页 |
| 1.2 电力负荷预测基本概念 | 第8-10页 |
| 1.3 国内外电力负荷预测方法研究现状 | 第10-13页 |
| 1.4 电力负荷预测存在的问题 | 第13-14页 |
| 1.5 本课题主要研究内容及创新点 | 第14-15页 |
| 第二章 混沌时间序列预测 | 第15-31页 |
| 2.1 支持向量回归算法原理 | 第15-23页 |
| 2.1.1 支持向量回归基本原理 | 第15-16页 |
| 2.1.2 VC 维与推广性的界 | 第16-17页 |
| 2.1.3 结构风险最小化原则 | 第17-18页 |
| 2.1.4 经验风险最小化原则 | 第18-19页 |
| 2.1.5 支持向量机的回归算法及核函数 | 第19-23页 |
| 2.2 混沌时间序列预测 | 第23-31页 |
| 2.2.1 混沌时间序列常规方法预测 | 第26-27页 |
| 2.2.2 基于支持向量回归的混沌时间序列预测 | 第27-31页 |
| 第三章 基于支持向量回归的电力短期负荷预测 | 第31-44页 |
| 3.1 电力短期负荷非线性序列数据采集 | 第31-32页 |
| 3.2 电力负荷数据分析 | 第32-36页 |
| 3.2.1 时间分析 | 第32-35页 |
| 3.2.2 天气分析 | 第35页 |
| 3.2.3 其他因素分析 | 第35-36页 |
| 3.3 基于支持向量回归的电力短期负荷预测 | 第36-44页 |
| 3.3.1 样本数据选择 | 第37-38页 |
| 3.3.2 核函数及参数选择 | 第38页 |
| 3.3.3 电力短期负荷预测步骤 | 第38-39页 |
| 3.3.4 实例分析 | 第39-42页 |
| 3.3.5 预测结果分析 | 第42-44页 |
| 第四章 基于神经网络的电力短期负荷预测方法 | 第44-55页 |
| 4.1 神经网络算法基本原理 | 第44-50页 |
| 4.2 基于神经网络算法的电力短期负荷预测 | 第50-52页 |
| 4.3 预测结果分析 | 第52-55页 |
| 第五章 结束语 | 第55-57页 |
| 参考文献 | 第57-60页 |
| 致谢 | 第60页 |
