电力负荷数据分析在设备配置中区域分类的研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 课题背景与研究意义 | 第10-12页 |
| 1.1.1 课题背景 | 第10-11页 |
| 1.1.2 研究意义 | 第11-12页 |
| 1.2 国内外相关研究综述 | 第12-15页 |
| 1.2.1 电力负荷总量分析研究综述 | 第12-14页 |
| 1.2.2 电力设备选址分类研究综述 | 第14-15页 |
| 1.3 论文研究内容与思路框架 | 第15-17页 |
| 1.3.1 研究内容 | 第15-16页 |
| 1.3.2 研究思路 | 第16-17页 |
| 第2章 相关理论基础 | 第17-31页 |
| 2.1 神经网络概述 | 第17-22页 |
| 2.1.1 神经网络的发展史 | 第17-18页 |
| 2.1.2 神经网络模型 | 第18-20页 |
| 2.1.3 神经网络的特性 | 第20-21页 |
| 2.1.4 神经网络工具箱 | 第21-22页 |
| 2.2 电力负荷总量分析常用方法 | 第22-26页 |
| 2.2.1 回归分析法 | 第22-23页 |
| 2.2.2 时间序列法 | 第23-25页 |
| 2.2.3 灰色系统理论预测方法 | 第25-26页 |
| 2.3 电力设备选址常用方法 | 第26-30页 |
| 2.3.1 粒子群算法 | 第26-27页 |
| 2.3.2 元胞自动机法 | 第27-28页 |
| 2.3.3 用地仿真法 | 第28-30页 |
| 2.4 本章小结 | 第30-31页 |
| 第3章 分析模型建立 | 第31-42页 |
| 3.1 电力负荷总量分析模型 | 第31-36页 |
| 3.1.1 单因素影响的神经网络设计 | 第34-35页 |
| 3.1.2 多因素影响的神经网络设计 | 第35-36页 |
| 3.2 电力设备选址分类模型 | 第36-41页 |
| 3.2.1 用地类型划分规则 | 第36-39页 |
| 3.2.2 电力设备选址分类的神经网络模型设计 | 第39-41页 |
| 3.3 本章小结 | 第41-42页 |
| 第4章 电力设备配置区域分类分析实例 | 第42-66页 |
| 4.1 电力负荷数据特征分析 | 第42-45页 |
| 4.1.1 负荷的周周期特征 | 第42-43页 |
| 4.1.2 负荷的节假日特征 | 第43-44页 |
| 4.1.3 负荷受温度影响特征 | 第44-45页 |
| 4.2 数据预处理 | 第45-49页 |
| 4.2.1 电力负荷数据的预处理 | 第45-47页 |
| 4.2.2 天气数据的预处理 | 第47页 |
| 4.2.3 日期类型的预处理 | 第47-48页 |
| 4.2.4 误差分析方法 | 第48页 |
| 4.2.5 MATLAB数据的归一化处理 | 第48-49页 |
| 4.3 电力负荷数值分析结果 | 第49-58页 |
| 4.3.1 单因素模型的分析结果 | 第50-54页 |
| 4.3.2 多因素模型的分析结果 | 第54-58页 |
| 4.4 电力设备的区域分类分析结果 | 第58-65页 |
| 4.4.1 用地类型特征划分 | 第59-61页 |
| 4.4.2 网络训练模型 | 第61-64页 |
| 4.4.3 实验结果 | 第64-65页 |
| 4.5 本章小结 | 第65-66页 |
| 第5章 总结与展望 | 第66-68页 |
| 5.1 总结 | 第66-67页 |
| 5.2 展望 | 第67-68页 |
| 参考文献 | 第68-71页 |
| 致谢 | 第71页 |
