| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 电力系统负荷预测概述 | 第10-15页 |
| ·负荷预测的意义和内容 | 第10页 |
| ·电力系统负荷预测的基本原理 | 第10页 |
| ·电力系统负荷预测基本步骤 | 第10-11页 |
| ·主要的负荷预测方法 | 第11-13页 |
| ·主要的成熟负荷预测方法 | 第11-12页 |
| ·短期负荷预测研究热点 | 第12-13页 |
| ·本文的主要研究内容 | 第13-15页 |
| 第二章 电力系统负荷特性分析 | 第15-23页 |
| ·电力系统负荷构成 | 第15页 |
| ·电力系统用户用电特点分析 | 第15-16页 |
| ·影响电力负荷变化的因素 | 第16-19页 |
| ·影响电力负荷变化因素的种类 | 第16页 |
| ·影响上海近期负荷的主要因素 | 第16-19页 |
| ·电力负荷特性分析 | 第19-22页 |
| ·进行负荷特性分析应遵循的理念 | 第19页 |
| ·上海地区电力负荷特性分析 | 第19-22页 |
| ·本章小结 | 第22-23页 |
| 第三章 用于短期负荷预测的改进 BP模型研究 | 第23-41页 |
| ·BP 神经网络概述 | 第23-27页 |
| ·神经网络概述 | 第23-24页 |
| ·BP 网络模型结构 | 第24-25页 |
| ·BP 网络的学习算法 | 第25-27页 |
| ·BP 改进算法与结构分析 | 第27-33页 |
| ·BP 算法存在的缺陷及改进 | 第27-32页 |
| ·BP 网络隐含层节点数的选择 | 第32-33页 |
| ·节点转移函数的选择 | 第33页 |
| ·遗传算法优化 BP 神经网络 | 第33-40页 |
| ·遗传算法原理 | 第33-34页 |
| ·遗传算法的基本要素 | 第34-35页 |
| ·遗传算法优化 BP 神经网络的流程 | 第35页 |
| ·算例分析 | 第35-40页 |
| ·本章小结 | 第40-41页 |
| 第四章 基于神经网络的短期负荷预测的实现 | 第41-59页 |
| ·短期负荷预测中相关影响因素的选择与处理 | 第41-44页 |
| ·相关影响因素映射数据库的建立 | 第41-43页 |
| ·基于摄动算法的映射数据库的优化处理策略 | 第43-44页 |
| ·算例分析 | 第44页 |
| ·负荷记录中伪数据的处理 | 第44-45页 |
| ·训练样本的选取与处理 | 第45-47页 |
| ·训练样本的选取 | 第45-46页 |
| ·训练样本的归一化处理 | 第46-47页 |
| ·基于相关因素映射数据库的正常日短期负荷预测的实现 | 第47-55页 |
| ·考虑日气象特征和星期类型的短期负荷预测的实现 | 第47-54页 |
| ·不考虑日气象特征和星期类型的短期电力负荷预测的实现 | 第54-55页 |
| ·基于天气影响因素差异度的神经网络正常日短期负荷预测的实现 | 第55-58页 |
| ·一种基于天气影响因素差异度的神经网络预测方法 | 第55-57页 |
| ·算例分析 | 第57-58页 |
| ·本章小结 | 第58-59页 |
| 第五章 短期负荷预测系统框架设计 | 第59-69页 |
| ·本文进行短期负荷预测系统设计的基本思想 | 第59-60页 |
| ·短期负荷预测的周期性 | 第59页 |
| ·基于同类型日思想的正常日预测的整体描述 | 第59-60页 |
| ·本文进行系统设计的思路 | 第60页 |
| ·关于制定负荷调整方案的研究 | 第60-65页 |
| ·气象特征与生活用电之间的关系 | 第60-61页 |
| ·重大节假日对负荷变化的影响 | 第61-64页 |
| ·作息时间对负荷变化规律的影响 | 第64-65页 |
| ·系统开发环境和开发工具 | 第65页 |
| ·开发工具 VBA 简介 | 第65页 |
| ·PI 数据库介绍 | 第65页 |
| ·短期电力负荷预测系统的框架设计 | 第65-66页 |
| ·系统结构和功能 | 第65-66页 |
| ·系统各模块主要功能 | 第66页 |
| ·预测效果 | 第66-68页 |
| ·本章小结 | 第68-69页 |
| 第六章 总结与展望 | 第69-71页 |
| ·总结 | 第69-70页 |
| ·展望 | 第70-71页 |
| 参考文献 | 第71-74页 |
| 致谢 | 第74-75页 |
| 攻读硕士学位期间发表的学术论文 | 第75页 |
