电力系统短期负荷预测与动态无功优化技术研究
| 摘要 | 第1-4页 |
| Abstract | 第4-5页 |
| 目录 | 第5-7页 |
| 第一章 绪论 | 第7-18页 |
| ·本课题研究的内容及意义 | 第7-8页 |
| ·短期负荷预测研究现状 | 第8-11页 |
| ·静态及动态无功优化的研究现状 | 第11-14页 |
| ·静态无功优化的研究现状 | 第11-12页 |
| ·动态无功优化的研究现状 | 第12-14页 |
| ·支持向量机与遗传算法在电力系统中的应用 | 第14-15页 |
| ·支持向量机在短期负荷预测中的应用 | 第14-15页 |
| ·遗传算法在无功优化中的应用 | 第15页 |
| ·本文的主要工作与章节安排 | 第15-18页 |
| 第二章 LLE和 SVM的基本原理 | 第18-31页 |
| ·概述 | 第18页 |
| ·局部线性嵌入(LLE)算法介绍 | 第18-23页 |
| ·支持向量机回归估计算法 | 第23-30页 |
| ·SVM回归模型 | 第23-28页 |
| ·SVM模型参数的影响 | 第28-29页 |
| ·SVM网络结构 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 第三章 基于 LLE和 SVM的短期负荷预测 | 第31-53页 |
| ·概述 | 第31-32页 |
| ·短期负荷分析 | 第32-35页 |
| ·短期负荷的特点 | 第32-34页 |
| ·影响短期负荷水平的气象条件 | 第34-35页 |
| ·基于 LLE和 SVM的短期负荷预测 | 第35-43页 |
| ·SVM用于短期负荷预测的优势 | 第35-36页 |
| ·LLE算法降维的优势 | 第36-37页 |
| ·LLE和 SVM的结合 | 第37-38页 |
| ·基 LLE和 SVM短期负荷预测模型 | 第38-43页 |
| ·预测误差分析 | 第43页 |
| ·算例分析 | 第43-52页 |
| ·本章小结 | 第52-53页 |
| 第四章 综合改进的遗传算法 | 第53-69页 |
| ·概述 | 第53页 |
| ·遗传算法的基本原理 | 第53-60页 |
| ·遗传算法的基本步骤 | 第53-58页 |
| ·遗传算法参数设置 | 第58-59页 |
| ·遗传算法的特点 | 第59-60页 |
| ·遗传算法的综合改进 | 第60-68页 |
| ·混合编码方式 | 第60-62页 |
| ·适应度函数的改进 | 第62页 |
| ·优良个体池策略 | 第62-63页 |
| ·综合改进的遗传算子 | 第63-67页 |
| ·终止判据 | 第67-68页 |
| ·本章小结 | 第68-69页 |
| 第五章 基于负荷预测的动态无功优化的实现 | 第69-89页 |
| ·概述 | 第69页 |
| ·静态无功优化 | 第69-75页 |
| ·静态无功优化的数学模型 | 第69-72页 |
| ·罚因子的选取 | 第72-73页 |
| ·综合改进遗传算法在静态无功优化的应用 | 第73-75页 |
| ·动态无功优化 | 第75-81页 |
| ·动态无功优化模型 | 第75-77页 |
| ·动态无功优化方法 | 第77-80页 |
| ·负荷预测与负荷分段 | 第80-81页 |
| ·算例分析 | 第81-88页 |
| ·静态无功优化仿真分析 | 第81-83页 |
| ·动态无功优化仿真分析 | 第83-88页 |
| ·本章小结 | 第88-89页 |
| 结论与展望 | 第89-92页 |
| 结论 | 第89-90页 |
| 展望 | 第90-92页 |
| 参考文献 | 第92-96页 |
| 攻读硕士期间发表的论文 | 第96-97页 |
| 致谢 | 第97-98页 |
| 附录 | 第98-100页 |
