文摘
英文文摘
第一章 绪论
1.1 目的与意义
1.2 分类与回归预测在电力系统中的研究现状
1.2.1 基于机器学习的模式分类与回归分析
1.2.2 人工神经网络的发展
1.2.3 ANN在电力系统中的应用现状
1.2.4 支持向量机的兴起
1.3 存在的问题
1.4 基于稀疏贝叶斯学习方法的回归与分类
1.4.1 简单概率式预测
1.4.2 基于稀疏贝叶斯学习方法的回归分析
1.4.3 基于稀疏贝叶斯学习方法的模式分类
1.5 本文的主要研究内容和创新性成果
第二章 基于稀疏贝叶斯学习方法的中期负荷预测研究
2.1 引言
2.2 电力系统负荷预测基本内容与方法
2.2.1 负荷预测的内容与分类
2.2.2 负荷预测的基本过程
2.2.3 电力负荷预测方法简介
2.2.4 提高负荷预测精度的措施
2.3 基于稀疏贝叶斯学习方法的中期负荷预测模型
2.3.1 相关向量机中期负荷预测建模
2.3.2 基于形状相似的负荷曲线多重聚类分析
2.3.3 基于多重聚类分析的相关向量机中期负荷预测模型
2.3.4 基于PSO优化的组合核函数相关向量机中期负荷预测模型
2.4 小结
第三章 基于稀疏贝叶斯学习方法的暂态稳定评估研究
3.1 引言
3.2 电力系统暂态稳定性研究基本内容与方法
3.3 基于稀疏贝叶斯学习方法的暂态稳定评估模型
3.3.1 相关向量机暂态稳定评估建模
3.3.2 基于核主成分分析的特征提取
3.3.3 基于特征提取的相关向量机暂态稳定评估模型
3.3.4 基于PSO优化的组合核函数相关向量机暂态稳定评估模型
3.4 小结
第四章 总结
4.1 论文的主要工作和总结
4.2 进一步研究工作的展望
参考文献
致谢
作者在攻读博士学位期间发表的学术论文
学位论文评阅及答辩情况表