电力市场下短期电力价格分析与预测研究
| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 插图索引 | 第11-12页 |
| 附表索引 | 第12-13页 |
| 第1章 绪论 | 第13-20页 |
| ·电力工业改革历史 | 第13-15页 |
| ·世界各国电力市场化进程 | 第13-14页 |
| ·我国的电力市场化进程 | 第14-15页 |
| ·电价的含义 | 第15页 |
| ·电价的作用 | 第15-16页 |
| ·电价预测的意义 | 第16页 |
| ·电价预测的分类 | 第16页 |
| ·已有电价预测方法 | 第16-19页 |
| ·时间序列法 | 第17页 |
| ·人工神经网络法 | 第17-18页 |
| ·其他数学方法 | 第18-19页 |
| ·本论文的主要工作 | 第19-20页 |
| 第2章 电价的影响因素与电价特点分析 | 第20-30页 |
| ·电价的影响因素 | 第20-21页 |
| ·电力市场外部因素 | 第20页 |
| ·电力市场内部因素 | 第20-21页 |
| ·电价的特点 | 第21-29页 |
| ·电价的均值回复特点 | 第22-23页 |
| ·跳跃性和价格尖峰 | 第23-24页 |
| ·趋势性 | 第24-25页 |
| ·周期性 | 第25页 |
| ·交易日相邻时段电价存在相似性 | 第25-26页 |
| ·电价的概率分布特点 | 第26-29页 |
| ·本章小结 | 第29-30页 |
| 第3章 基于BP神经网络的短期电价预测 | 第30-39页 |
| ·神经网络简介 | 第30-32页 |
| ·神经网络发展历史 | 第30-31页 |
| ·神经网络的主要特点 | 第31页 |
| ·神经网络的基本原理 | 第31-32页 |
| ·神经网络的种类 | 第32页 |
| ·BP神经网络 | 第32-35页 |
| ·BP网络学习规则 | 第33-35页 |
| ·BP神经网络的特点 | 第35页 |
| ·基于BP神经网络的短期电价预测 | 第35-38页 |
| ·神经网络在电价预测中的优势 | 第35页 |
| ·确定BP网络的结构 | 第35-36页 |
| ·实例分析 | 第36-38页 |
| ·本章小结 | 第38-39页 |
| 第4章 基于最小二乘支持向量机的短期电价预测 | 第39-53页 |
| ·机器学习理论 | 第39-41页 |
| ·经验风险最小化 | 第40页 |
| ·模型复杂性和推广能力 | 第40-41页 |
| ·统计学习理论 | 第41-43页 |
| ·VC维 | 第41页 |
| ·推广性的界 | 第41-42页 |
| ·结构风险最小化 | 第42-43页 |
| ·支持向量机及其算法 | 第43-48页 |
| ·最优分类超平面 | 第43-44页 |
| ·支持向量机 | 第44-45页 |
| ·核函数 | 第45-46页 |
| ·支持向量机回归原理 | 第46-48页 |
| ·最小二乘支持向量机 | 第48-52页 |
| ·最小二乘支持向量机的基本原理 | 第48-49页 |
| ·核函数类型和模型参数的选择 | 第49-50页 |
| ·实例分析 | 第50-52页 |
| ·本章小结 | 第52-53页 |
| 第5章 基于时间序列分解的短期电价预测 | 第53-64页 |
| ·电价时间序列的分解与分离 | 第53-55页 |
| ·基于移动平均法分离趋势分量 | 第53-54页 |
| ·基于离散傅立叶变换分离周期分量 | 第54-55页 |
| ·电价预测 | 第55-57页 |
| ·趋势分量预测 | 第56页 |
| ·周期分量的预测 | 第56页 |
| ·基于最小二乘支持向量机的随机分量的预测 | 第56-57页 |
| ·算例分析 | 第57-62页 |
| ·测试样本 | 第57页 |
| ·性能评估指标 | 第57-58页 |
| ·预测结果 | 第58-62页 |
| ·本章小结 | 第62-64页 |
| 结论 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 致谢 | 第70-71页 |
| 附录A (攻读硕士学位期间所发表的学术论文目录) | 第71页 |
