电力系统短期负荷预测方法的研究
| 摘要 | 第1-6页 |
| Abstract | 第6-12页 |
| 第1章 绪论 | 第12-15页 |
| ·电力负荷预测的意义 | 第12-13页 |
| ·电力负荷预测技术的发展和现状 | 第13-14页 |
| ·本文所作的主要工作 | 第14-15页 |
| 第2章 负荷预测原理 | 第15-24页 |
| ·负荷预测的分类及特性 | 第15-17页 |
| ·负荷预测的分类 | 第15-17页 |
| ·负荷预测的特性 | 第17页 |
| ·负荷预测的特点和原理 | 第17-19页 |
| ·负荷预测的特点 | 第17-18页 |
| ·负荷预测的原理 | 第18-19页 |
| ·短期负荷预测的基本模型 | 第19-24页 |
| ·影响负荷变化规律的因素 | 第19-20页 |
| ·预测模型满足的要求 | 第20页 |
| ·短期负荷预测基本模型 | 第20-24页 |
| 第3章 短期负荷预测基本方法 | 第24-36页 |
| ·引言 | 第24页 |
| ·各种预测方法简介 | 第24-34页 |
| ·线性外推法 | 第24-26页 |
| ·回归分析法 | 第26页 |
| ·时间序列分析法 | 第26-29页 |
| ·灰色系统预测法 | 第29-30页 |
| ·人工神经网络法 | 第30-31页 |
| ·专家系统法 | 第31-32页 |
| ·模糊推理法 | 第32-33页 |
| ·优选组合预测法 | 第33-34页 |
| ·本章小结 | 第34-36页 |
| 第4章 短期负荷预测方法研究 | 第36-49页 |
| ·引言 | 第36-37页 |
| ·RBF 神经网络的结构 | 第37-38页 |
| ·模糊控制 | 第38-41页 |
| ·模糊控制基本原理 | 第38-39页 |
| ·模糊控制过程 | 第39-41页 |
| ·模糊控制 RBF 神经网络 | 第41-43页 |
| ·RBF 神经网络参数的初始化 | 第41-43页 |
| ·模糊控制的 RBF 神经网络 | 第43页 |
| ·算法流程 | 第43-46页 |
| ·预测模型的基本结构图 | 第43-44页 |
| ·模糊规则控制的 RBF 学习流程 | 第44-46页 |
| ·实例分析 | 第46-49页 |
| 第5章 数据的处理 | 第49-58页 |
| ·RBF 神经网络的建立 | 第49-50页 |
| ·影响负荷因素的量化 | 第50-52页 |
| ·负荷日类型的量化 | 第50页 |
| ·天气─温度的量化 | 第50-52页 |
| ·负荷数据的处理 | 第52-54页 |
| ·负荷数据归一化处理 | 第52-53页 |
| ·坏数据的处理 | 第53-54页 |
| ·模糊规则 | 第54-58页 |
| ·模糊语言变量及其论域和隶属函数的确定 | 第54-55页 |
| ·模糊控制规则及算法结构 | 第55-58页 |
| 第6章 短期负荷预测软件开发 | 第58-65页 |
| ·系统的构成 | 第58页 |
| ·数据库设计 | 第58-59页 |
| ·软件设计 | 第59-63页 |
| ·软件的结构 | 第59-60页 |
| ·软件的功能 | 第60-63页 |
| ·软件的特点 | 第63-65页 |
| 第7章 结论与展望 | 第65-67页 |
| ·结论 | 第65-66页 |
| ·展望 | 第66-67页 |
| 致谢 | 第67-68页 |
| 参考文献 | 第68-71页 |
| 攻读硕士学位期间发表的学术论文 | 第71页 |
