基于免疫进化算法和小波神经网络的短期电价预测

论文摘要

本文对利用免疫进化算法和小波神经网络两种算法结合进行短期电力价格预测进行了系统的研究。首先对中国的电力市场和电力价格改革进行了介绍,分析了短期电价预测对电力市场参与者的重要意义;在此基础上,分析了主要短期电力价格预测方法的特点和不足,同时指出小波神经网络预测方法在短期电力价格预测上具有明显的优势。针对小波神经网络预测方法在预测中出现的主观性和维数灾问题,提出利用免疫进化算法对小波神经网络的参数进行训练,从而提高了小波神经网络对电价的预测精度。通过模拟计算发现,小波神经网络在其参数经过免疫进化算法的优化后,计算精度得到明显提高,而且其适应性也得到进一步增强。

论文目录

• 摘要
• ABSTRACT
• 第一章 引言
• 1.1 研究背景
• 1.2 研究意义
• 1.3 研究内容
• 1.4 创新点
• 1.5 研究工作总结
• 第二章 电价预测的研究现状
• 2.1 电价预测的概念
• 2.2 电价预测的分类
• 2.3 短期电价影响因素
• 2.4 电价预测方法的研究现状
• 2.4.1 仿真模拟预测法
• 2.4.2 单一数学模型预测法
• 2.4.3 组合预测方法
• 2.5 短期电价预测的主要难点
• 第三章 小波神经网络的基本理论
• 3.1 小波神经网络概述
• 3.2 小波神经网络的理论基础
• 3.2.1 小波变换的基本定义
• 3.2.2 小波神经网络的理论基础
• 3.2.3 连续小波神经网络
• 3.3 小波神经网络结构
• 3.4 小波神经网络的优点
• 3.5 应用小波神经网络的短期电价预测
• 3.6 小波神经网络的缺点
• 第四章 免疫进化算法
• 4.1 免疫进化算法的发展情况
• 4.1.1 免疫算法的生物学机理
• 4.1.2 免疫进化算法的思想
• 4.1.3 免疫进化算法表达式
• 4.2 免疫进化算法的收敛性
• 4.3 免疫进化算法的优点
• 第五章 基于免疫进化算法的小波神经网络预测模型
• 5.1 基于免疫进化算法的小波网络学习算法的产生
• 5.2 基于免疫进化算法的小波神经网络
• 5.3 基于免疫进化算法的小波神经网络预测模型
• 5.3.1 小波神经网络模型
• 5.3.2 基于免疫进化算法的小波神经网络模型的参数优化
• 5.3.3 基于免疫进化算法的小波神经网络训练步骤
• 5.3.4 模型的可行性研究
• 5.4 模型仿真与结果分析
• 第六章 实证分析
• 6.1 预测模型的MATLAB实现
• 6.2 模型预测结果
• 6.3 误差分析
• 第七章 总结
• 参考文献
• 致谢
• 在学期间发表的学术论文和参加科研情况