声明
致谢
摘要
插图清单
附表清单
1绪论
1．1课题研究背景和意义
1．2国内外研究现状
1．2．1电力负荷数据特征提取方法综述
1．2．2电力负荷预测方法综述
1．3本文的主要工作和章节安排
2基于K线技术的电力负荷数据特征提取方法
2．1电力负荷数据预处理技术
2．1．1异常电力负荷数据的监测和处理
2．1．2缺失电力负荷数据的处理
2．1．3电力负荷数据的归一化方法
2．2基于传统电力负荷指标进行特征提取的局限性
2．3基于K线理论的电力负荷指标体系建立
2．3．1金融二级市场中的技术分析
2．3．2电力负荷曲线的时序化重构
2．3．3未成熟随机值RSV与随机指标KDJ
2．3．4指数移动平均EMA与指数平滑异同移动平均线MACD
2．3．5 KDJ和MACD在负荷分析中的应用
2．4本章小结
3基于深度神经网络的电力负荷预测模型
3．1深度神经网络的基本理论
3．1．1自动编码器
3．1．2 BP神经网络
3．1．3深度神经网络的正则化方法
3．2基于深度神经网络的预测模型
3．2．1传统的负荷指标体系
3．2．2趋势指标与特征向量
3．3预测结果分析
3．3．1基于趋势指标的电力负荷曲线时序化
3．3．2深度神经网络预测
3．4本章小结
4基于负荷动态特性的预测结果偏差预警
4．1基于PAA方法的电力负荷数据的降维技术
4．2基于k值自适应k-means算法的聚类分析
4．3基于t-SNE的聚类可视化方法
4．4隐马尔科夫模型的基本理论
4．5基于HMM的负荷动态行为的量化建模
4．5．1负荷数据的离散化处理
4．5．2基于BAUM-WELCH算法的模型参数训练
4．6基于前后向算法的偏差预警方法
4．7算例分析
4．7．1数据描述
4．7．2聚类结果分析
4．7．3动态建模结果分析
4．7．4偏差预警结果分析
4．8本章小结
5结论与展望
参考文献
攻读硕士学位期间发表的学术论文及项目经历
浙江大学;
