電力數(shù)據(jù)預(yù)測(cè)理論與方法應(yīng)用

第1章 智能電網(wǎng)的概念與發(fā)展歷程
1.1 智能電網(wǎng)的概念
1.2 智能電網(wǎng)的起源與演變
1.3 智能電網(wǎng)的發(fā)展?fàn)顩r
1.4 本章小結(jié)
參考文獻(xiàn)

第2章 預(yù)測(cè)的概念與研究現(xiàn)狀
2.1 預(yù)測(cè)的概念
2.2 預(yù)測(cè)的研究現(xiàn)狀
2.3 基于數(shù)據(jù)分析的預(yù)測(cè)思想及應(yīng)用
2.4 本章小結(jié)
參考文獻(xiàn)

第3章 數(shù)學(xué)基礎(chǔ)理論
3.1 預(yù)測(cè)中常用的數(shù)學(xué)基礎(chǔ)理論
3.2 預(yù)測(cè)中常用的其他理論與技術(shù)
3.3 誤差
3.4 本章小結(jié)
參考文獻(xiàn)

第4章 不良數(shù)據(jù)處理與數(shù)據(jù)集成變換
4.1 引論
4.2 不良數(shù)據(jù)處理
4.3 數(shù)據(jù)集成分析
4.4 數(shù)據(jù)的標(biāo)準(zhǔn)變換處理
4.5 數(shù)據(jù)約簡(jiǎn)與粗糙集
4.6 本章小結(jié)
參考文獻(xiàn)

第5章 基于數(shù)值逼近理論的趨勢(shì)預(yù)測(cè)模型
5.1 引論
5.2 建模知識(shí)準(zhǔn)備
5.3 基于分段線性Lagrange插值的灰色預(yù)測(cè)模型
5.4 基于分段線性Newton插值的灰色預(yù)測(cè)模型
5.5 基于三次樣條的動(dòng)態(tài)灰色預(yù)測(cè)模型
5.6 基于三點(diǎn)Gauss插值的正交化預(yù)測(cè)模型
5.7 基于五點(diǎn)Gauss插值的正交化預(yù)測(cè)模型
5.8 基于灰色Markov鏈的Gauss-Chebyshev正交化預(yù)測(cè)模型
5.9 基于二元有理插值的趨勢(shì)預(yù)測(cè)模型
5.1 0本章小結(jié)
參考文獻(xiàn)

第6章 基于半?yún)?shù)分析的統(tǒng)計(jì)推斷模型
6.1 引論
6.2 建模知識(shí)準(zhǔn)備
6.3 基于補(bǔ)償最小二乘法的半?yún)?shù)統(tǒng)計(jì)推斷模型
6.4 基于滑動(dòng)平均估計(jì)的半?yún)?shù)統(tǒng)計(jì)推斷模型
6.5 基于殘差分布測(cè)度修正的半?yún)?shù)統(tǒng)計(jì)推斷模型
6.6 基于區(qū)間可變權(quán)重的半?yún)?shù)統(tǒng)計(jì)推斷模型
6.7 基于懲罰最小二乘法的半?yún)?shù)統(tǒng)計(jì)推斷模型
6.8 本章小結(jié)
參考文獻(xiàn)

第7章 基于智能優(yōu)化方法的自適應(yīng)推演模型
7.1 引論
7.2 建模知識(shí)準(zhǔn)備
7.3 基于自適應(yīng)遺傳算法的ARMA推演模型
7.4 含有壓縮因子的自適應(yīng)灰色粒子群優(yōu)化推演模型
7.5 基于極值擾動(dòng)和自適應(yīng)調(diào)整系數(shù)的灰色粒子群優(yōu)化推演模型
7.6 本章小結(jié)
參考文獻(xiàn)

第8章 總結(jié)與展望
8.1 本書(shū)總結(jié)
8.2 未來(lái)展望