图书介绍
中长期电力负荷预测技术与应用PDF|Epub|txt|kindle电子书版本网盘下载
- 蒋惠凤著 著
- 出版社： 南京：东南大学出版社
- ISBN：7564168117
- 出版时间：2016
- 标注页数：144页
- 文件大小：36MB
- 文件页数：157页
- 主题词：
PDF下载
下载说明
中长期电力负荷预测技术与应用PDF格式电子书版下载
下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台）。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用！后期资源热门了。安装了迅雷也可以迅雷进行下载！
（文件页数 要大于 标注页数，上中下等多册电子书除外）
注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具
图书目录
1 绪论1
1.1 选题背景及意义1
1.2 国内外研究现状6
1.3 主要工作6
2 电力需求预测方法9
2.1 电力负荷的构成及特点9
2.2 负荷预测的步骤10
2.2.1 历史数据的收集10
2.2.2 历史数据的整理10
2.2.3 负荷数据的预处理11
2.2.4 负荷预测模型的建立11
2.3 电力负荷预测方法简介11
2.3.1 基于参数模型的中长期电力负荷预测方法12
2.3.2 基于非参数模型的中长期电力负荷预测方法14
2.3.3 与动态过程结合的预测方法19
2.3.4 组合预测方法19
2.4 电力需求预测的难点21
3 江苏省电力供需现状及影响因素22
3.1 电力市场环境分析22
3.1.1 经济发展总体情况22
3.1.2 能源环境23
3.2 江苏电力供需形势分析24
3.2.1 电力供应能力24
3.2.2 可再生能源发电26
3.2.3 电力需求情况27
3.3 影响江苏用电量的因素分析32
3.3.1 经济因素与用电量的关系分析32
3.3.2 用电量预测的数据和解释变量选取36
4 电力需求预测回归模型39
4.1 多重共线性分析39
4.1.1 产生多重共线性原因39
4.1.2 多重共线性的影响40
4.1.3 多重共线性的诊断42
4.1.4 解决多重共线性的方法44
4.1.5 对负荷影响因素多重共线性的实证分析45
4.2 逐步回归47
4.2.1 逐步回归法的基本思想和计算方法47
4.2.2 负荷的逐步回归模型49
4.3 岭回归51
4.3.1 岭回归的基本原理和算法51
4.3.2 负荷的岭回归模型52
4.4 偏最小二乘回归54
4.4.1 偏最小二乘回归分析原理和算法55
4.4.2 基于偏最小二乘回归模型的负荷预测58
4.5 结论62
5 电力需求灰色预测模型63
5.1 灰色系统63
5.2 灰色模型建模机理65
5.3 灰色预测模型66
5.3.1 GM（1，1）预测模型66
5.3.2 预测精度的检验67
5.4 模型预测实例68
5.4.1 模型建立及检验68
5.4.2 预测结果与检验70
6 电力需求预测遗传规划模型74
6.1 遗传规划基本原理74
6.1.1 算式表达74
6.1.2 初始个体生成75
6.1.3 确定适应度76
6.1.4 复制76
6.1.5 交叉76
6.1.6 变异77
6.1.7 终止准则77
6.2 负荷预测遗传规划模型78
6.2.1 负荷预测理论基础78
6.2.2 算例分析78
6.3 本章小结79
7 基于BP神经网络的江苏用电量预测模型研究80
7.1 引言80
7.2 全省用电量增长与经济关系分析80
7.2.1 江苏省GDP、固定资产投资总额、人均收入与用电量关系的定性分析80
7.2.2 江苏省GDP、固定资产投资总额、人均收入与用电量关系的定量分析81
7.3 BP神经网络的结构和训练方法82
7.3.1 BP神经网络的结构82
7.3.2 BP网络的训练方法82
7.4 基于贝叶斯正则化优化BP神经网络的预测模型84
7.4.1 正则化方法84
7.4.2 神经网络的贝叶斯学习85
7.4.3 贝叶斯正则化BP神经网络训练步骤86
7.4.4 用电量模型的建立87
7.4.5 仿真结果及分析88
7.4.6 预测结果比较88
7.5 结论89
8 电力需求预测优选组合模型90
8.1 优选组合预测方法90
8.1.1 等权平均组合预测90
8.1.2 方差-协方差优选组合预测90
8.1.3 回归组合预测92
8.1.4 模型群优选预测法93
8.2 神经网络优选组合预测模型93
8.3 基于回归神经网络的长期电力负荷组合预测模型研究95
8.3.1 变量间多重共线性的判定96
8.3.2 回归预测模型97
8.3.3 负荷组合预测模型98
8.3.4 负荷组合模型的求解99
8.3.5 仿真结果及分析99
8.3.6 预测结果分析100
8.3.7 结论102
9 主成分回归、偏最小二乘回归与神经网络耦合的中长期负荷预测研究103
9.1 引言103
9.2 指标与方法104
9.2.1 年用电量预测模型变量的选取104
9.2.2 经济增长与用电量增长的关系分析104
9.2.3 自变量间多重共线性分析105
9.2.4 建模方法105
9.3 预测结果与分析106
9.3.1 模型结果与拟合度检验106
9.3.2 模型预测效果分析108
9.4 结论108
10 基于时间序列的江苏省用电量预测模型110
10.1 时间序列及时间序列预测法110
10.1.1 时间序列及时间序列预测法的概念110
10.1.2 时间序列预测法的内容111
10.1.3 时间序列预测法的基本特征113
10.2 移动平均法113
10.2.1 简单移动平均法114
10.2.2 加权移动平均法114
10.2.3 趋势移动平均法115
10.3 指数平滑法118
10.3.1 一次指数平滑法119
10.3.2 二次指数平滑法120
10.3.3 三次指数平滑法123
10.4 自适应滤波算法126
10.4.1 自适应滤波算法背景126
10.4.2 典型的自适应滤波算法126
10.4.3 自适应滤波法的基本过程127
10.5 ARIMA模型128
11 江苏省用电量消耗与经济发展关系及脱钩效应——基于STIRPAT模型和OECD脱钩指数的研究131
11.1 研究方法131
11.1.1 驱动因素分析方法131
11.1.2 脱钩效应分析方法134
11.2 结果与分析135
11.2.1 用电量耗费驱动因素分解135
11.2.2 用电量与经济发展脱钩效应137
11.3 结论139
12 总结140
参考文献144