摘要
第一章 绪论
1.1 选题背景及来源
1.2 国内外研究现状
1.2.1 预测问题简述
1.2.2 负荷预测的一般方法概述
1.3 传统与智能化方法的局限性
1.4 主要研究内容及论文结构
第二章 数据预处理
2.1 坏数据的辨识
2.2 坏数据的修正
2.2.1、特征曲线的获取
2.2.2、离群数据的修正
2.3 数据修正后的效果及实例验证
2.4 数据归一化处理
2.4.1 燃气历史数据归一化
2.4.2 日期类型的处理
2.5 本章小结
第三章 燃气负荷数据的特征分析
3.1 负荷的周期性
3.2 相关分析与偏相关分析
3.2.1 相关分析理论
3.2.2 偏相关分析理论
3.2.3 相关分析和偏相关分析
3.2.4 影响负荷的因素分析
3.3 温度与日期的影响
3.4 本章小结
第四章 传统研究方法
4.1 回归预测模型
4.2 SVM短期负荷预测
4.2.1 支持向量机的回归理论
4.2.2 使用SVR进行燃气预测的基本步骤
4.3 BP神经网络预测法
4.4 小波分析
4.5 实验数据的分类与去趋势处理
4.6 仿真实验结果
4.6.1 工作日与一般休息日
4.6.2 基于相似日的重大节假日预测结果分析
4.7 本章小结
第五章 小波神经网络的研究
5.1 小波神经网络的理论基础
5.2 利用残差序列预测过程
5.3 算法步骤与模型实现
5.4 小波神经网络实验结果
5.5 误差分析
5.6 本章小结
第六章 结论与展望
参考文献
致谢
攻读硕士期间已发表的论文与参与项目
声明