声明
目 录
第 1 章 绪 论
1.1 研究背景
1.2 国内外研究现状
1.2.1 数据集与特征选择
1.2.2 电力负荷预测领域的传统方法
1.2.3 电力负荷预测领域的机器学习方法
1.2.4 节假日电力负荷预测
1.3 本文研究内容
1.4 论文结构
第 2 章 相关背景知识与方法
2.1 电力负荷预测的类型
2.2 电力负荷预测的特点和原理
2.2.1 电力负荷预测的特点
2.2.2 电力负荷预测的原理
2.3 特征选择方法和评估指标
2.4 梯度提升回归树的原理
2.4.1 回归树
2.4.2 梯度提升回归树(GBRT)
2.4.3 GBRT 的改进算法
2.4 增量学习原理
2.5 模型的知识干扰现象
2.6 本章小结
第 3 章 电力负荷模式分析
3.1 影响因素分析
3.2 节假日负荷分析
3.3 本章小结
第 4 章 增量学习派生多重子模型预测方法
4.1 预测方法流程图
4.2 整体预测步骤
4.3 本章小结
第 5 章 实验研究
5.1 实验环境
5.2 数据预处理
5.2.1 数据来源和数据类型
5.2.2 特征选择和建立样本
5.2.3 划分数据集
5.3 知识干扰现象的实验案例
5.3 电力负荷预测案例研究
5.3.1 选择目标节假日
5.3.2 多个机器学习算法整体预测性能对比
5.3.3 增量学习派生多重子模型预测方法评估
5.3.4 时间开销评估
5.3.5 节假日电力负荷预测方法对比
5.4 本章小结
结论
参考文献
附录A攻读学位期间的学术论文
附录B攻读学位期间所参与的研究项目
致 谢
湖南大学;