原创力文档- 1、本文档共94页，可阅读全部内容。
- 2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
异常数据场景下负荷超短期预测技术
目录
文档概览．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．4
1.1研究背景与意义．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．4
1.1.1电力系统运行特性分析．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．7
1.1.2负荷预测的重要性．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．8
1.1.3异常数据对负荷预测的影响．．．．．．．．．．．．．．．．．．．．．．．．．．．．．9
1.2国内外研究现状．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．10
1.2.1负荷预测方法综述．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．12
1.2.2异常数据处理技术研究．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．14
1.2.3超短期负荷预测发展动态．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．18
1.3研究内容与目标．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．20
1.3.1主要研究问题．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．20
1.3.2研究目标设定．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．23
1.4技术路线与方法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．23
1.4.1总体技术路线．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．25
1.4.2主要研究方法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．27
异常数据识别与分析．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．28
2.1异常数据类型与特征．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．29
2.1.1常见异常数据类型．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．30
2.1.2异常数据特征分析．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．31
2.2异常数据识别方法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．34
2.2.1基于统计方法的识别．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．36
2.2.2基于机器学习的识别．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．37
2.2.3基于深度学习的识别．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．38
2.3异常数据处理技术．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．39
2.3.1数据清洗方法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．40
2.3.2数据插补技术．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．46
2.3.3数据平滑技术．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．47
超短期负荷预测模型．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．49
3.1传统预测模型．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．50
3.2机器学习预测模型．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．51
3.2.1支持向量机模型．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．53
3.2.2随机森林模型．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．56
3.2.3神经网络模型．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．57
3.3深度学习预测模型．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．58
3.3.1循环神经网络模型．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．61
3.3.2卷积神经网络模型．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．62
3.3.3混合神经网络模型．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．63
基于异常数据处理的超短期负荷预测
文档评论（0）