基于提升小波及改进型神经网络的电力负荷预测研究

目录

声明

第一章 绪论

1.1 课题研究的意义

1.2 国内外研究现状

1.2.1 传统负荷预测技术

1.2.2 智能负荷预测技术

1.3 本文的主要工作

第二章 电力系统负荷预测分析

2.1 负荷预测的概念及分类

2.2 负荷预测的特点及基本原理

2.2.1 负荷预测的特点

2.2.2 负荷预测的基本原理

2.3 负荷预测误差分析

2.3.1 产生误差原因

2.3.2 预测误差分析

2.4 负荷数据预处理

（1）坏数据

（2）畸变数据

（3）数据处理方法

（4）缺失数据的修补

2.5 本章小结

第三章 Elman神经网络及其改进

3.1 ENN的基本原理

3.2 ENN的结构及预测流程

3.3 ENN的学习过程和学习算法

3.3.1 ENN的学习过程

3.3.2 ENN的学习算法

3.4 Elman神经网络的改进

3.4.1 激励函数的改进

3.4.2 学习算法的改进

3.5 算例分析

3.5.1 负荷数据归一化

3.5.2 参数选择

3.5.3 仿真结果对比与分析

3.6 本章小结

第四章 基于CGPSO-IENN模型的负荷预测

4.1 粒子群优化算法

4.1.1 粒子群算法数学描述

4.1.2 粒子群算法的参数设置

4.2 CGPSO算法

4.2.1 蚁群算法

4.2.2 混沌理论

4.2.3 CGPSO算法的步骤

4.3 CGPSO-IENN模型的介绍

4.4 算例分析

4.4.1 参数选择

4.4.2 仿真结果对比与分析

4.5 本章小结

第五章 提升小波与改进型Elman神经网络的结合

5.1 提升小波原理分析

5.1.1 传统小波的不足与提升小波的优势

5.1.2 提升小波的基本原理

5.1.3 LWT与WT仿真对比

5.2 提升小波与改进型Elman神经网络结合的预测模型

5.2.1 LWT-CGPSO-IENN模型的建立

5.2.2 LWT-CGPSO-IENN模型的预测流程

5.3 算例分析

5.3.1 参数选择

5.3.2 仿真结果对比与分析

5.4 本章小结

第六章 结论与展望

6.1 结论

6.2 工作展望

参考文献

在读期间公开发表的论文

致谢