声明
1 绪论
1.1 研究背景及意义
1.2 国内外研究现状
1.2.1短期负荷预测模型研究现状
1.2.2短期负荷预测中气象因素处理方法的研究现状
1.3 本文主要工作
2 在线支持向量回归理论(OSVR)
2.1支持向量机(SVM)
2.1.1 支持向量分类机(SVC)
2.1.2 支持向量回归机(SVR)
2.2 最小二乘支持向量回归(LSSVR)
2.3 在线支持向量回归算法(Online-SVR, OSVR)
2.3.1 在线支持向量回归(OSVR)
2.3.2 KKT条件下的OSVR
2.3.3 OSVR的增减量算法
2.4本章小结
3 基于Fisher信息的气象因素处理及特征选择方法
3.1历史数据来源
3.2历史数据样本预处理
3.3气象因素对负荷的影响分析
3.4 气象因素的累积效应
3.5 Fisher信息理论
3.6 单变量Fisher信息计算
3.6.1 单变量Fisher信息计算方法
3.6.2 基于Fisher信息的单一气象因素处理方法
3.6.3 Fisher信息加权处理后的实时温度与负荷相关分析
3.7 多变量Fisher信息计算
3.7.1 多变量Fisher信息理论
3.7.2 气象综合指数的Fisher信息处理方法
3.7.3 Fisher信息加权处理后的气象综合指数与负荷相关性分析
3.8 基于Fisher信息的特征选择方法
3.9 本章小结
4 基于Fisher信息和OSVR的短期负荷预测建模
4.1 基于Fisher信息的气象变量引入方法
4.1.1传统气象变量引入负荷预测模型的方法
4.1.2 传统实时气象综合指数引入负荷预测模型的方法
4.1.3 基于Fisher信息的实时气象综合指数引入预测模型
4.2 基于Fisher信息和传统SVR的负荷预测模型
4.2.1 传统SVR预测模型的建立
4.2.2 算例仿真
4.3基于Fisher信息和LSSVR的预测模型
4.3.1 LSSVR预测模型的建立
4.3.2 算例仿真
4.4 基于Fisher信息和OSVR的预测模型
4.4.1 OSVR预测模型的建立
4.4.2 算例仿真
4.5 SVR/LSSVR/OSVR三种预测模型的对比分析
4.6 本章小结
5 总结与展望
5.1 全文总结
5.2 未来展望
参考文献
致谢
攻读硕士学位期间所发表的主要学术成果
江苏大学;