電量預(yù)測這項技術(shù)無論是在國家電網(wǎng)公司的投標評估系統(tǒng)還是在當(dāng)今的開放電力市場中,都都至關(guān)重要。然而在當(dāng)前售電公司所面臨的電量預(yù)測問題中,歷史電量數(shù)據(jù)以及電量預(yù)測的誤差分布通常是非線性,非高斯分布的,且由于用戶規(guī)模小,一些隨機事件及數(shù)據(jù)收集誤差會異致離群值的出現(xiàn),對預(yù)測結(jié)果造成較大的影響,這就使得傳統(tǒng)的預(yù)測方法不再適用。作為非線性預(yù)測模型的極限學(xué)習(xí)機《Extreme Learning Machine,ELM)已被驗證在回歸預(yù)測領(lǐng)域具有良好的性能,然而,傳統(tǒng)ELM以均方誤差《Mean Squared Error,MSE》準則為代價函數(shù),其對離群值較敏感,輸出結(jié)果受離群值的影響較大,使其無法在電量預(yù)測問題中正確表示非高斯情況下的誤差統(tǒng)計信息。為了解決這一問題,本文通過引入廣義最大相關(guān)熵準則(Generalized Maximum Correntropy Criterion,GMCC),構(gòu)建了一種新的魯棒預(yù)測模型.GMCC作為信息理論學(xué)習(xí)方法論中一種新的代價函數(shù)可用于解決非高斯信號處理問題。因此,本文以GMCC作為新的代價函數(shù)替代原始ELM的MSE代價函數(shù),構(gòu)建了GMCCELM電量預(yù)測模型。此外... 

【文章來源】：西安理工大學(xué)陜西省

【文章頁數(shù)】：58 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 課題的背景與意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 極限學(xué)習(xí)機預(yù)測模型研究現(xiàn)狀
        1.2.2 廣義最大相關(guān)熵準則研究現(xiàn)狀
    1.3 本文的主要研究工作及論文框架
2 用戶用電特性分析
    2.1 用戶用電特性分析實例
    2.2 本章小結(jié)
3 極限學(xué)習(xí)機基本理論研究
    3.1 單隱層前饋神經(jīng)網(wǎng)絡(luò)基本理論
        3.1.1 單隱層前饋神經(jīng)網(wǎng)絡(luò)概論
        3.1.2 單隱層前饋神經(jīng)網(wǎng)絡(luò)基本定理
    3.2 極限學(xué)習(xí)機基本理論
        3.2.1 基于常規(guī)梯度的SLFN解決方案
    3.3 在線序列極限學(xué)習(xí)機基本理論
        3.3.1 在線序列極限學(xué)習(xí)機基本理論
        3.3.2 在線序列極限學(xué)習(xí)機結(jié)構(gòu)
    3.4 基于在線序列極限學(xué)習(xí)機的電量預(yù)測
    3.5 本章小結(jié)
4 基于廣義最大相關(guān)熵準則的極限學(xué)習(xí)機電量預(yù)測研究
    4.1 最大相關(guān)熵準則
    4.2 廣義最大相關(guān)熵準則
    4.3 廣義最大相關(guān)熵準則極限學(xué)習(xí)機理論推導(dǎo)
    4.4 基于廣義最大相關(guān)熵準則的極限學(xué)習(xí)機電量預(yù)測實例
    4.5 本章小結(jié)
5 基于廣義最大相關(guān)熵準則的核極限學(xué)習(xí)機電量預(yù)測研究
    5.1 核極限學(xué)習(xí)機理論
    5.2 基于廣義最大相關(guān)熵準則的核極限學(xué)習(xí)機電量預(yù)測實例
    5.3 本章小結(jié)
6 結(jié)論與展望
致謝
參考文獻
在校學(xué)習(xí)期間發(fā)表的論文與參加科研情況



本文編號：2943589