基于PCA--GWO--BP模型的短期电力负荷预测

目录

声明

摘要

1引言

1．1课题研究背景及意义

1．2国内外研究现状

1．3研究内容和文章结构

2电力负荷数据预处理及负荷预测概论

2．1相关数据的收集与预处理

2．1．1突变异常数据的辨识

2．1．2缺失数据的补全

2．1．3数据的修正处理

2．1．4数据归一化

2．2负荷预测分类及其特点

2．2．1负荷预测分类

2．2．2电力负荷特点

2．3短期电力负荷预测的影响因素及误差分析

2．3．1电力负荷预测的影响因素

2．3．2电力负荷预测的误差分析

2．3．3电力负荷预测的误差指标

2．4短期电力负荷预测的基本步骤

2．5本章小结

3短期电力负荷预测模型的构建

3．1人工神经网络

3．1．1人工神经网络的特点

3．1．2人工神经网络的功能和应用

3．1．3人工神经网络的拓扑结构

3．1．4人工神经网络的学习

3．2BP神经网络模型

3．2．1BP神经网络的结构

3．2．2BP神经网络的学习理论

3．3BP神经网络算法的不足与改进

3．3．1BP神经网络算法的不足

3．3．2BP神经网络算法的改进

3．4灰狼算法原理

3．4．1包围猎物

3．4．2开始狩猎

3．4．3攻击猎物

3．4．4搜索猎物

3．4．5GWO-BP神经网络预测模型

3．5主成分分析

3．5．1主成分分析几何意义

3．5．2主成分分析主要原理

3．5．3主成分分析步骤

3．5．4PCA-GWO-BP预测模型

3．6本章小结

4利辛县短期负荷预测实例

4．1电力负荷特性分析

4．1．1利辛县概况及电网现状

4．1．2利辛县负荷特性分析

4．2基于改进神经网络负荷预测模型在利辛县的应用

4．2．1基于BP神经网络的预测分析

4．2．2基于GWO-BP神经网络的预测分析

4．2．3基于PCA-GWO-BP神经网络的预测分析

4．2．4对比分析

4．3本章小结

5结论

致谢

参考文献