基于Fisher信息和在线支持向量回归的短期负荷预测动态建模方法研究

目录

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