电力负荷预测
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第1章 绪论 | 第8-18页 |
| ·选题的目的和意义 | 第8-9页 |
| ·国内外电力负荷预测技术及研究动态 | 第9-16页 |
| ·经典预测技术 | 第10-11页 |
| ·传统预测方法 | 第11-12页 |
| ·现代预测技术 | 第12-16页 |
| ·组合预测方法 | 第16页 |
| ·本文所做的工作 | 第16-18页 |
| 第2章 电力系统负荷预测概述 | 第18-27页 |
| ·电力系统负荷的分类及特性 | 第18-21页 |
| ·电力系统负荷的分类 | 第18-19页 |
| ·电力系统负荷的特性 | 第19-21页 |
| ·负荷预测的特点及原理 | 第21-23页 |
| ·负荷预测的基本步骤及误差分析 | 第23-27页 |
| ·负荷预测的基本步骤 | 第23-24页 |
| ·负荷预测的误差分析 | 第24-27页 |
| 第3章 回归分析法 | 第27-38页 |
| ·对数自回归法 | 第27-29页 |
| ·数学模型 | 第27-28页 |
| ·统计电量数据选择 | 第28-29页 |
| ·预测的结果分析 | 第29页 |
| ·逐步回归法 | 第29-37页 |
| ·子集门限自回归模型 | 第30页 |
| ·子集门限自回归模型建模方法 | 第30-31页 |
| ·逐步回归法的实现 | 第31-33页 |
| ·SSTAR模型预报公式 | 第33页 |
| ·示例 | 第33-37页 |
| ·小结 | 第37-38页 |
| 第4章 点对点指数平滑法 | 第38-42页 |
| ·一般单指数平滑法 | 第38-41页 |
| ·计算步骤 | 第39-40页 |
| ·对自动调整平滑参数单指数平滑法的改进 | 第40-41页 |
| ·应用计算实例及效果 | 第41页 |
| ·小结 | 第41-42页 |
| 第5章 灰色模型法 | 第42-54页 |
| ·灰色建模 | 第42-45页 |
| ·GM模型建模机理 | 第42-43页 |
| ·灰色模块 | 第43-45页 |
| ·GM(1,1)模型 | 第45-46页 |
| ·GM(1,1)模型的建立 | 第45-46页 |
| ·GM(1,1)模型的特点 | 第46页 |
| ·普通日电力负荷预测 | 第46-50页 |
| ·灰色差值预测模型 | 第47页 |
| ·数据预处理 | 第47-48页 |
| ·应用效果 | 第48-50页 |
| ·特殊日电力负荷预测 | 第50-53页 |
| ·GM(1,1)改进模型的建立方法 | 第50-51页 |
| ·特殊日负荷残差序列的建立和预测方法 | 第51-53页 |
| ·对气候温度剧变日负荷预测值的处理 | 第53页 |
| ·小结 | 第53-54页 |
| 第6章 神经网络法 | 第54-64页 |
| ·神经网络的数学基础 | 第54-56页 |
| ·人工神经网络概述 | 第54-55页 |
| ·神经元的拓扑结构 | 第55页 |
| ·神经网络的基本特性 | 第55-56页 |
| ·人工神经网络负荷预测方法 | 第56-58页 |
| ·人工神经网络在电力负荷预测中的应用 | 第56-57页 |
| ·负荷预测基本模型 | 第57-58页 |
| ·混合模型神经网络 | 第58-62页 |
| ·混合模型神经网络 | 第58-59页 |
| ·混合模型神经网络预测法及自适应机制 | 第59-62页 |
| ·仿真计算 | 第62-63页 |
| ·小结 | 第63-64页 |
| 第7章 结论与展望 | 第64-67页 |
| ·结论 | 第64-66页 |
| ·展望 | 第66-67页 |
| 致谢 | 第67-68页 |
| 参考文献 | 第68-71页 |
| 工程硕士期间发表的论文和科研成果 | 第71页 |
