基于改进模糊聚类算法的短期负荷预测研究

声明

第1章绪论

1.1研究的背景及意义

1.2 研究现状

1.2.1 负荷聚类分析研究现状

1.2.2 短期负荷预测研究现状

1.3 主要工作和内容安排

第2章负荷特性分析与负荷预测相关理论基础

2.1聚类算法

2.1.1聚类分析方法

2.1.2 模糊C均值聚类算法

2.1.3 聚类算法评价指标

2.2 神经网络

2.2.1 循环神经网络

2.2.2长短期记忆网络(LSTM)

2.2.3 门控循环单元网络(GRU)

2.3 负荷预测

2.3.1电力负荷预测的影响因素

2.3.2 负荷数据预处理

2.3.3 预测性能分析

2.4 本章小结

第3章基于改进FCM算法的用户聚类分析

3.1 磁优化算法(MOA)

3.1.1 磁优化算法简介

3.1.2 改进磁优化算法(IMOA)

3.2 基于改进磁优化算法的FCM算法(IMOA-FCM)

3.2.1 IMOA-FCM算法的实现

3.3 实例分析

3.3.1 数据预处理及参数选择

3.3.2 最佳聚类数的获取

3.3.3 聚类结果及评价

3.4 本章小结

第4章基于GRU网络的短期负荷预测

4.1 基于GRU的预测模型设计和编码

4.1.1 影响因素的归一化与量化处理

4.1.2 预测模型结构

4.2 负荷实例预测与分析

4.2.1 模型搭建环境介绍

4.2.2GRU模型参数设置

4.2.3 测试结果与分析

4.3 本章小结

第5章总结与展望

5.1 总结

5.2 展望

致谢

参考文献