封面
声明
摘要
英文摘要
1 绪论
1.1 电力负荷预测概述
1.1.1 电力负荷预测的研究背景及意义
1.1.2 电力负荷预测的分类
1.2 短期负荷预测的国内外研究现状
1.2.1 经典预测方法
1.2.2 智能预测方法
1.2.3 短期负荷预测的发展趋势
1.3 本文的研究内容及章节安排
2 短期负荷特性分析及数据预处理
2.1 负荷特性分析
2.1.1 日负荷特性
2.1.2 周负荷特性
2.2 电力负荷的影响因素
2.2.1 气象因素对负荷的影响
2.2.2 其他因素对负荷的影响
2.3 数据预处理
2.3.1 异常数据的成因
2.3.2 异常数据的辨识处理
2.4 本章小结
3 负荷预测相似日的选择
3.1 相似日法
3.2 模糊聚类选取相似日
3.2.1 模糊聚类分析概述
3.2.2 模糊相似矩阵
3.2.3 短期负荷的影响因素及其量化
3.2.4 模糊聚类选取相似日流程
3.3 算例分析
3.4 本章小结
4 基于相似日BP神经网络的电力负荷预测
4.1 神经网络构成
4.1.1 人工神经元
4.1.2 神经元的激活函数
4.2 神经网络的结构
4.2.1 反馈神经网络
4.2.2 前馈神经网络
4.3 BP神经网络
4.3.1 BP神经网络结构
4.3.2 BP神经网络的学习算法
4.3.3 隐层节点数的选取
4.4 基于BP网络的短期负荷预测
4.4.1 BP模型与相似日BP模型
4.4.2 结果分析
4.5 本章小结
5 基于相似日W-ELM的短期负荷预测
5.1 极限学习机
5.1.1 极限学习机概述
5.1.2 极限学习机原理
5.1.3 极限学习机的学习过程
5.2 小波交换理论
5.2.1 小波函数
5.2.2 连续小波变换
5.2.3 离散小波变换
5.2.4 多分辨率分析和Mallat算法
5.3 基于相似日W-ELM的负荷预测模型
5.3.1 极限学习机隐含层节点数的选取
5.3.2 相似日W-ELM预测结果
5.3.3 预测模型对比
5.4 本章小结
6 结论与展望
致谢
参考文献