基于HHT的电力系统短期负荷预测模型
| 摘要 | 第1-7页 |
| Abstract | 第7-10页 |
| 第1章 绪论 | 第10-15页 |
| ·课题研究的背景及实际意义 | 第10-11页 |
| ·电力系统短期负荷预测研究现状 | 第11-14页 |
| ·本文的主要工作 | 第14-15页 |
| 第2章 Hilbert-Huang变换理论 | 第15-24页 |
| ·Hilbert-Huang变换概述 | 第15页 |
| ·经验模态分解(EMD)方法 | 第15-20页 |
| ·Hilbert谱分析 | 第20-22页 |
| ·Hilbert-Huang变换的特点 | 第22-23页 |
| ·EMD模态混叠问题 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 第3章 电力系统负荷预测模型 | 第24-40页 |
| ·线性神经网络模型 | 第24-25页 |
| ·线性神经网络的模型 | 第24页 |
| ·线性神经网络的学习规则和算法 | 第24-25页 |
| ·BP人工神经网络 | 第25-29页 |
| ·BP人工神经网络基本原理 | 第26-27页 |
| ·BP算法的数学描述 | 第27-29页 |
| ·BP算法具体实现步骤 | 第29页 |
| ·RBF神经网络 | 第29-33页 |
| ·径向基神经元模型 | 第30-31页 |
| ·径向基神经网络模型 | 第31-32页 |
| ·径向基网络的工作特性 | 第32页 |
| ·径向基网络的创建过程 | 第32-33页 |
| ·支持向量机基本原理 | 第33-37页 |
| ·支持向量机回归算法 | 第34-37页 |
| ·标准粒子群算法 | 第37-39页 |
| ·算法原理 | 第38页 |
| ·算法流程 | 第38-39页 |
| ·参数设置 | 第39页 |
| ·本章小结 | 第39-40页 |
| 第4章 对HHT模态混迭的改善 | 第40-47页 |
| ·模态混叠的产生和一般处理 | 第40页 |
| ·现有的模态混淆现象的解决方法 | 第40-42页 |
| ·间歇检测准则法 | 第40-41页 |
| ·基于Fourier谱的滤波法 | 第41-42页 |
| ·伪信号技术 | 第42页 |
| ·差分算子和累计求辅助分析 | 第42-46页 |
| ·本章小结 | 第46-47页 |
| 第5章 HHT变换在短期负荷预测中的应用 | 第47-59页 |
| ·负荷的内在规律 | 第47-49页 |
| ·电力负荷的周期性 | 第47-48页 |
| ·电力负荷的连续性 | 第48-49页 |
| ·电力负荷的外在特性 | 第49-50页 |
| ·温度对负荷特性的影响 | 第49页 |
| ·节假日对负荷特性的影响 | 第49页 |
| ·突发事件对负荷特性的影响 | 第49-50页 |
| ·数据的预处理 | 第50页 |
| ·HHT在负荷预测中的应用 | 第50-58页 |
| ·本章小结 | 第58-59页 |
| 结论与展望 | 第59-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-66页 |
| 攻读硕士学位期间发表的论文 | 第66-67页 |
