基于多源数据分层关联分析及优化神经网络的电力负荷预测

目录

声明

第1 章绪 论

1.1 课题研究的背景和意义

1.2 国内外研究现状

1.3 电力负荷预测方法研究现状

1.4 论文结构安排

第2 章电力负荷特性分析

2.1 引言

2.2电力负荷分类

2.3电力负荷特性

2.4电力负荷预测步骤

2.5本章小结

第3 章 电力负荷数据的异常值检测与分析

3.1 引言

3.2 异常值检测算法

3.2.1 基于流数据的异常值检测算法

3.2.2 基于确定数据的异常值检测算法

3.3 基于最短分叉树和混合指标因子的异常值检测方法

3.3.1 最短分叉树算法描述

3.3.2 混合指标局部异常因子

3.4 仿真实验和分析

3.4.1 模拟数据的实验分析

3.4.2 UCI数据的实验与分析

3.4.3电力负荷数据异常值检测实验与分析

3.5 本章小结

第4 章 电力负荷多源数据分层关联分析

4.1引言

4.2 MSDHCA方法的构建

4.2.1 DTCWT分解原理

4.2.2 DTCWT特性分析

4.2.3 GRA方法提取特征因子

4.3 多源影响因素的处理及分析

4.4 多源数据分层关联分析仿真实验与分析

4.5 本章小结

第 5 章 GABAS优化 BP 神经网络在电力负荷预测中的研究与应用

5.1 引言

5.2 BP 神经网络的结构与原理

5.3 GABAS算法

5.3.1 BAS算法原理

5.3.2 GABAS改进思路

5.3.3 算法性能分析

5.4 基于GABAS-BP 的电力负荷预测

5.5 本章小结

结 论

参考文献

攻读硕士学位期间承担的科研任务与主要成果

致谢