基于支持向量机的电力系统短期负荷预测
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第一章 绪论 | 第8-12页 |
| ·电力系统负荷预测的意义和分类 | 第8-10页 |
| ·电力系统负荷预测的意义 | 第8-9页 |
| ·电力系统负荷预测的分类 | 第9-10页 |
| ·国内外负荷预测情况的综述 | 第10页 |
| ·全文概括 | 第10-12页 |
| 第二章 短期电力负荷预测 | 第12-21页 |
| ·短期预测的特点和基本原理 | 第12-13页 |
| ·短期预测的特点 | 第12页 |
| ·短期电力负荷预测的基本原理 | 第12-13页 |
| ·影响因素 | 第13-15页 |
| ·短期预测方法 | 第15-18页 |
| ·短期预测的步骤 | 第18页 |
| ·负荷预测误差分析 | 第18-21页 |
| 第三章 用多元线性回归模型进行短期负荷预测 | 第21-29页 |
| ·多元线性回归模型和参数估计 | 第21-23页 |
| ·估计未知参数 | 第21-23页 |
| ·可决系数R~2 | 第23页 |
| ·用多元线性回归模型进行预测 | 第23-25页 |
| ·样本的选择 | 第23页 |
| ·负荷数据的标准化 | 第23-24页 |
| ·其它的量化处理 | 第24页 |
| ·主成分分析 | 第24-25页 |
| ·建模编程 | 第25页 |
| ·显示结果和误差分析 | 第25-29页 |
| 第四章 用支持向量机模型进行短期负荷预测 | 第29-48页 |
| ·统计学习理论 | 第29-32页 |
| ·机器学习理论 | 第29-30页 |
| ·统计学的基本理论 | 第30-32页 |
| ·SVM的基本原理和算法 | 第32-36页 |
| ·最优分类面的原理 | 第32页 |
| ·SVM的基本原理 | 第32-34页 |
| ·SVM的特点 | 第34-35页 |
| ·支持向量机的优化算法 | 第35-36页 |
| ·最小二乘支持向量机 | 第36-43页 |
| ·最小二乘支持向量机的基本原理 | 第36-38页 |
| ·核函数 | 第38-39页 |
| ·模型中的参数 | 第39-40页 |
| ·利用LS-SVM模型进行预测 | 第40-43页 |
| ·分析结果和误差分析 | 第43-46页 |
| ·比较SVM与多元线性回归方法 | 第46-48页 |
| 第五章 VB与MATLAB接口编程 | 第48-53页 |
| ·接口理论概述 | 第48-50页 |
| ·接口的必要性 | 第48页 |
| ·接口编程的方法 | 第48-50页 |
| ·具体的接口编程 | 第50-53页 |
| 结论 | 第53-54页 |
| 参考文献 | 第54-57页 |
| 致谢 | 第57页 |
