声明
致谢
摘要
第一章 绪论
1.1 研究背景与意义
1.1.1 本文选题背景
1.1.2 本文的研究意义
1.2 国内外研究现状
1.2.1 传统电力负荷预测方法的研究现状
1.2.2 基于人工智能的电力负荷预测方法
1.2.3 智能电网环境下的电力负荷预测方法
1.2.4 区间预测和概率密度预测
1.3 研究思路和研究方法
1.3.1 研究思路
1.3.2 研究方法
1.4 本文的主要创新和章节安排
1.4.1 主要创新
1.4.2 结构安排
第二章 基本的理论方法
2.1 支持向量机基本原理
2.2 支持向量回归
2.3 分位数回归理论与方法
2.3.1 线性分位数回归模型
2.3.2 非线性分位数回归模型
第三章 支持向量分位数回归的概率密度预测方法
3.1 支持向量分位数回归模型
3.2 基于核的支持向量分位数回归模型
3.3 基于Copula理论的概率密度预测方法
3.4 评价指标
3.4.1 评价预测结果的误差指标
3.4.2 可靠性准则
3.4.3 预测区间带宽
第四章 基于实时电价和支持向量分位数回归的短期电力负荷概率密度方法
4.1 实时电价与短期负荷的关系分析
4.2 新家坡小样本数据集
4.3 考虑实时电价的短期电力负荷概率密度预测
第五章 基于核的支持向量分位数回归和Copula理论的短期电力负荷概率密度预测方法
5.1 基于Copula理论分析电力负荷与实时电价之间的关系
5.2 新加坡冬季数据集案例分析
5.3 新加坡夏季数据集案例分析
第六章 总结与展望
6.1 研究总结
6.2 研究展望
参考文献
攻读硕士学位期间的学术活动及成果情况