負(fù)荷預(yù)測在國家經(jīng)濟和社會發(fā)展中起著重要作用,是能源領(lǐng)域的熱門話題之一。準(zhǔn)確并且穩(wěn)定的負(fù)荷預(yù)測成為了一項既具有挑戰(zhàn)又至關(guān)重要的任務(wù),吸引著大量的專家學(xué)者從事相關(guān)研究。目前負(fù)荷預(yù)測方法的不足之處在于它們忽視了預(yù)測模型輸入與輸出之間的密切關(guān)系,無法捕獲與輸出高度相關(guān)的輸入特征。此外,當(dāng)前負(fù)荷預(yù)測的研究重點集中于如何提高預(yù)測結(jié)果的準(zhǔn)確性,忽略了預(yù)測誤差的穩(wěn)定性,無法保證模型預(yù)測精度是否能夠保持穩(wěn)定。因此,本文開發(fā)了一種新穎的、健壯的混合預(yù)測模型,它由四個模塊組成:1)數(shù)據(jù)預(yù)處理,2)預(yù)測,3)優(yōu)化和4)評估。在數(shù)據(jù)預(yù)處理模塊中,基于奇異頻譜分析和灰色關(guān)聯(lián)分析的有效數(shù)據(jù)預(yù)處理方案用于生成更平滑的時間序列,并為預(yù)測模型挖掘最佳的輸入和輸出結(jié)構(gòu)。在預(yù)測模塊,本文使用了同時考慮預(yù)測準(zhǔn)確性和穩(wěn)定性的多目標(biāo)遺傳算法優(yōu)化的極限學(xué)習(xí)機實現(xiàn)負(fù)荷預(yù)測。并且,使用與訓(xùn)練極限學(xué)習(xí)機模型相同的數(shù)據(jù)集訓(xùn)練廣義回歸神經(jīng)網(wǎng)絡(luò),進行負(fù)荷預(yù)測。即通過多目標(biāo)遺傳算法優(yōu)化的極限學(xué)習(xí)機與廣義回歸神經(jīng)網(wǎng)絡(luò)兩個模型預(yù)測,分別實現(xiàn)負(fù)荷預(yù)測。此外,為了進一步獲得準(zhǔn)確性與穩(wěn)定性高的預(yù)測結(jié)果,克服單一模型的弊端,在優(yōu)化模塊中將多目標(biāo)遺傳算法優(yōu)化的...

【文章頁數(shù)】：57 頁

【學(xué)位級別】：碩士

【文章目錄】：
中文摘要
Abstract
第一章 緒論
    1.1 研究背景與意義
        1.1.1 研究背景
        1.1.2 研究意義
    1.2 負(fù)荷預(yù)測方法的分類
        1.2.1 基于趨勢外推的預(yù)測方法
        1.2.2 基于回歸模型的預(yù)測方法
        1.2.3 基于時間序列的預(yù)測方法
        1.2.4 基于灰色系統(tǒng)理論的預(yù)測方法
        1.2.5 基于神經(jīng)網(wǎng)絡(luò)的預(yù)測方法
    1.3 組合預(yù)測算法的分類
        1.3.1 固定權(quán)重的組合預(yù)測算法
        1.3.2 變權(quán)重的組合預(yù)測算法
        1.3.3 包含數(shù)據(jù)預(yù)處理的組合預(yù)測算法
        1.3.4 包含參數(shù)選擇和優(yōu)化的組合預(yù)測模型
        1.3.5 比較不同的組合算法
    1.4 本文的結(jié)構(gòu)與安排論文內(nèi)容與撰寫安排
        1.4.1 本文研究內(nèi)容
        1.4.2 章節(jié)結(jié)構(gòu)
第二章 研究基礎(chǔ)
    2.1 數(shù)據(jù)預(yù)處理:奇異譜分析和灰色關(guān)聯(lián)分析
        2.1.1 奇異譜分析
        2.1.2 灰色關(guān)聯(lián)分析
    2.2 極限學(xué)習(xí)機
    2.3 廣義回歸神經(jīng)網(wǎng)絡(luò)
    2.4 遺傳算法
    2.5 模擬退火算法
    2.6 本章小結(jié)
第三章 基于多目標(biāo)優(yōu)化的混合預(yù)測算法
    3.1 數(shù)據(jù)預(yù)處理
    3.2 多目標(biāo)優(yōu)化的極限學(xué)習(xí)機
    3.3 混合模型(SA–MOGA–ELM–GRNN)
    3.4 本章小結(jié)
第四章 實驗結(jié)果與分析
    4.1 數(shù)據(jù)集介紹
    4.2 預(yù)測誤差
    4.3 實現(xiàn)細(xì)節(jié)
    4.4 實驗結(jié)果與分析
        4.4.1 實驗I:新南威爾士州(NSW)的預(yù)測結(jié)果
        4.4.2 實驗II:塔斯馬尼亞州(TAS)的預(yù)測結(jié)果
    4.5 本章小結(jié)
第五章 總結(jié)與展望
    5.1 全文總結(jié)
    5.2 未來展望
參考文獻
在學(xué)期間的研究成果
致謝



本文編號：3818433