基于粗糙集理论的电力短期负荷预测
| 摘要 | 第1-5页 |
| Abstract | 第5-7页 |
| 目录 | 第7-9页 |
| 1 绪论 | 第9-15页 |
| ·本课题研究的意义及背景 | 第9-10页 |
| ·目前国内外发展状况 | 第10-14页 |
| ·时间序列法 | 第10页 |
| ·回归模型法 | 第10页 |
| ·神经网络法 | 第10-11页 |
| ·灰色理论法 | 第11页 |
| ·专家系统 | 第11-12页 |
| ·模糊逻辑法 | 第12页 |
| ·小波分析法 | 第12-13页 |
| ·混沌分形理论 | 第13页 |
| ·组合预测 | 第13-14页 |
| ·本文的主要工作 | 第14-15页 |
| 2 电力负荷特性分析 | 第15-23页 |
| ·负荷的组成 | 第15页 |
| ·负荷的内部规律 | 第15-17页 |
| ·电力负荷的周期性 | 第15-17页 |
| ·电力负荷的连续性 | 第17页 |
| ·负荷的外在特性 | 第17-22页 |
| ·温度对负荷的影响 | 第18-20页 |
| ·降雨量对负荷的影响 | 第20-22页 |
| ·节假日对负荷的影响 | 第22页 |
| ·小结 | 第22-23页 |
| 3 人工神经网络基础 | 第23-33页 |
| ·人工神经网络概述 | 第23-26页 |
| ·人工神经网络的发展及现状 | 第23-24页 |
| ·人工神经网络的特点 | 第24-25页 |
| ·神经网络在负荷预测中的应用 | 第25-26页 |
| ·BP人工神经网络 | 第26-32页 |
| ·BP人工神经网络模型 | 第26-27页 |
| ·学习规则 | 第27-29页 |
| ·BP人工神经网络的缺点及改进思路 | 第29-32页 |
| ·小结 | 第32-33页 |
| 4 基于粗糙集的预测模型输入参数确定 | 第33-41页 |
| ·粗糙集理论基础 | 第33-37页 |
| ·信息系统 | 第33-34页 |
| ·不可分辨关系 | 第34页 |
| ·集合的近似 | 第34页 |
| ·近似的度量 | 第34-35页 |
| ·辨别矩阵和辨别函数 | 第35页 |
| ·属性的约简和核 | 第35页 |
| ·属性的相对约简 | 第35-36页 |
| ·属性的依赖度和重要性 | 第36页 |
| ·决策规则 | 第36-37页 |
| ·基于属性依赖度的约简算法 | 第37-38页 |
| ·对电力短期负荷预测模型输入参数的挖掘 | 第38-40页 |
| ·初始信息表的建立 | 第38页 |
| ·属性值离散化 | 第38-39页 |
| ·影响因素约简 | 第39-40页 |
| ·小结 | 第40-41页 |
| 5 基于数据挖掘的短期负荷预测模型及其算法 | 第41-51页 |
| ·数据预处理模块 | 第41-44页 |
| ·脏数据的辨识与修正 | 第42页 |
| ·数据归一化 | 第42-44页 |
| ·样本选择模块 | 第44页 |
| ·属性约简模块 | 第44页 |
| ·预测模块 | 第44-50页 |
| ·神经网络结构的确定 | 第45-46页 |
| ·神经网络的训练 | 第46-47页 |
| ·预测结果及分析 | 第47-50页 |
| ·小结 | 第50-51页 |
| 6 结论和展望 | 第51-53页 |
| ·结论 | 第51页 |
| ·不足 | 第51-53页 |
| 致谢 | 第53-54页 |
| 参考文献 | 第54-58页 |
| 附录 | 第58页 |
