声明
致谢
摘要
一、绪论
1．1研究背景
1．2国内外研究现状
1．2．1负荷预测模型研究现状
1．2．2残差修正法在电力负荷预测的研究现状
1．3本文主要工作
1．4本文结构安排
二、电力系统负荷数据的分析及处理
2．1负荷数据的时间序列特性分析
2．1．1负荷数据的时间序列分解
2．1．2负荷数据的自相关分析
2．1．3负荷数据受现实因素影响下的特性
2．2缺失值补充
2．3电力负荷异常数据的处理
2．3．1基于负荷数据的异常检测法
2．3．2改进的用于负荷数据的异常检测法
2．4数据归一化
2．5预测结果的误差标准
2．6算例分析
2．7本章小结
三、基于深度学习神经网络的负荷预测模型
3．1 LSTM原理简介
3．2GRU原理简介
3．3 LSTM和GRU负荷预测模型的建立
3．4算例分析
3．4．1 LSTM和GRU和传统模型的比较实验一
3．4．2 LSTM和GRU和传统模型的比较实验二
3．5本章小结
四、基于深度学习改进的残差修正集成负荷预测模型
4．1对LSTM和GRU预测结果的残差特性分析
4．1．1残差平稳性检验
4．1．2残差的自相关性分析
4．1．3残差预测模型的选择
4．2基于深度学习的改进残差修正集成神经网络
4．3算例分析
4．4本章小结
五、结论和展望
参考文献
攻读学位期间科研成果
