欢迎来到天天文库
浏览记录
ID:33293091
大小:2.69 MB
页数:66页
时间:2019-02-23
《短期电力负荷预测方法的研究与应用》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、中山大学硕士学位论文短期电力负荷预测方法的研究与应用姓名:潘燕宜申请学位级别:硕士专业:计算数学指导教师:李小福2009053132卷第3期李晋:金头闭壳龟正常心电图的初步分析255接.上述两个保护区内虽无金头闭壳龟分布,但皖南山水纵横,森林覆盖率高,水资源充沛,可以依托现有管理机构和人员,扩大自然保护区管理范围,对金头闭壳龟施加保护.在保护区建设管理的同时,应对泾县汀溪河大康村东园自然村至爱民村、漕溪河古坝村沈村自然村至漕溪河水电站、黟县清溪河杨家墩村以上河段加以重点保护.在河道及周边禁止一切渔猎,禁止挖沙开垦,减少河道中人为活动,对公路建设、水利水电建设、工矿企业建设严格
2、管理,确保不危及金头闭壳龟和水生生物生存.漕溪河水电站应科学调度,确保河水流量,除自然降雨外避免在八九月金头闭壳龟孵化季节开闸放水.参考文献:[1]中国药用动物志协作组编著.中国药用动物第一集[M].天津:天津科学技术出版社,1978:153—156.[2Ⅱ王义权.黄喉水龟的生态[J].野生动物,1984,3:25—29.[3]汪呜.聂刘旺,郭超文.中华花龟的染色组型与Ag—N3R对[J].安徽师范大学学报:自然科学版,1999,l:44—45.r43解景田、赵静.生理学实验[M].北京:高等教育出版社,1987:109—113.[5]阮蓉文.四种不同类型爬行动物心电图的研究
3、[J].两栖爬行动物学研究.1995.45:262—265.[6]陈卫平.正常猫的心电图分析[J].动物学杂志,1989,24(5):35—37.[7]闻颖梅、任民峰.心电图入门[M].北京:人民卫生出版社,1981.[8]李晋.中华花龟正常心电图的初步分析[J].安徽师范大学学报:自然科学版,2000。23(1):147—49.[9]郭继鸿.心力衰竭再同步和电除颇治疗[M].北京:北京大学医学出版社,2007.[10]李学斌.心率失常梯形图图解[M].杭州:浙江大学出版社,2007.[11]徐晤.虚拟与现实结合的心电图软件的构建【J].中国医学教育技术。2007.0125—
4、27.[12]程焱.宽ORS波群心动过速的鉴别诊断[J].基层医学论坛,2007.05:56—58.[13]熊艳霞.室性并行心律动态心电图诊断与探索[J].实用医技杂志,2007.06:67—69.[14]黄宝晨.心电图学(续)[J].现代电生理学杂志,2007,0I:36—39.PreliminaryAnalysisoftheGolden-HeadedBoxTurtle’sNormalElectrocardiogramDataLIjin(CollegeofLifeSciences.AnhuiNormalUniversity,Wuhu241000.Claim)动关系的规则,并
5、应用此规则对灰色预测结果进行校正,从而提高重大节日的预测精度。关键词:短期负荷预测,支持向量机,灰色模型,关联规则Ⅱ中山大学硕士学位论文Title:ResearchandApplicationofShort-TermLoadForecastingMethodMajor:ComputationalMathematicsName:PanYanyiSupervisor:LiXiaofuAssociateProfessorABSTRACTTheshort-termloadforecasting(STLF)isanimportantroutineforpower-dispatchdep
6、artment.Withthedevelopmentofpowermarket,STLFwillplayamoreandmoreimportantrole.Therefore,howtoimprovetheforecastingprecisiontoensurepowersystem’Ssecurity,profitandquality,istheemphasisonthestudyofshort·termloadforecasting.Inthispaper,relevantbackgroundandsignificanceofSTLFofpowersystemaleint
7、roducedandsomeshort-termloadforecastingmethodsalesummarizedandanalyzed,includingtraditionalmethodsandartificialintelligence.Anditproposesashort-termloadforecastingmodelbasedonsupportvectormachine(SVM)andgraypredictionmethod.Allofthesearebasedondataprovid
此文档下载收益归作者所有