| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第10-19页 |
| 1.1 课题背景及意义 | 第10-11页 |
| 1.2 短期负荷预测研究现状概述 | 第11-17页 |
| 1.2.1 基于同类型日思想的负荷预测基本方法 | 第11-12页 |
| 1.2.2 时间序列法 | 第12-13页 |
| 1.2.3 灰色预测(GM)模型 | 第13-14页 |
| 1.2.4 小波分析法 | 第14-15页 |
| 1.2.5 混沌理论法 | 第15页 |
| 1.2.6 神经网络(ANN)法 | 第15-16页 |
| 1.2.7 组合预测模型 | 第16-17页 |
| 1.3 日负荷预测的一般步骤 | 第17-18页 |
| 1.4 本文所做的主要工作 | 第18-19页 |
| 第二章 湖州电网负荷特性及数据的预处理 | 第19-38页 |
| 2.1 湖州电网短期负荷预测特征 | 第19-26页 |
| 2.1.1 湖州地区情况简介 | 第19页 |
| 2.1.2 短期负荷共性特征 | 第19-20页 |
| 2.1.3 湖州电网负荷特性分析 | 第20-24页 |
| 2.1.4 湖州地区短期负荷预测的方法 | 第24-26页 |
| 2.2 湖州电网负荷数据的预处理 | 第26-36页 |
| 2.2.1 异常数据的分类和特性 | 第26-27页 |
| 2.2.2 异常数据的识别和修正 | 第27-28页 |
| 2.2.3 小波变换 | 第28-32页 |
| 2.2.4 小波阈值去噪 | 第32-34页 |
| 2.2.5 数据预处理实例 | 第34-36页 |
| 2.3 本章小结 | 第36-38页 |
| 第三章 新息峰谷差标么化倍比平滑法 | 第38-51页 |
| 3.1 基于同类型日的基本预测方法 | 第39-42页 |
| 3.1.1 点对点法 | 第39页 |
| 3.1.2 倍比平滑法 | 第39-40页 |
| 3.1.3 峰谷差标么化倍比平滑法 | 第40-42页 |
| 3.2 新息预测方法 | 第42-43页 |
| 3.2.1 新息倍比平滑法 | 第42-43页 |
| 3.3 同类型日的界定 | 第43-44页 |
| 3.3.1 日特征向量的选取 | 第43-44页 |
| 3.3.2 相似度的量化 | 第44页 |
| 3.4 误差评价标准 | 第44-45页 |
| 3.5 新息峰谷差标么化倍比平滑法实例分析 | 第45-48页 |
| 3.6 计及温度累积效应的修正 | 第48-50页 |
| 3.6.1 修正公式 | 第48-49页 |
| 3.6.2 效果验证 | 第49-50页 |
| 3.7 本章小结 | 第50-51页 |
| 第四章 BP神经网络预测模型 | 第51-61页 |
| 4.1 BP网络 | 第51-54页 |
| 4.1.1 BP网络结构 | 第52页 |
| 4.1.2 BP网络学习公式 | 第52-54页 |
| 4.1.3 BP网络的算法步骤 | 第54页 |
| 4.2 BP网络算法的改进 | 第54-55页 |
| 4.2.1 动量BP法 | 第54-55页 |
| 4.3 BP网络结构设计 | 第55-58页 |
| 4.3.1 BP网络输入样本和网络输入、输出向量的选取 | 第55-56页 |
| 4.3.2 BP网络隐含层的确定 | 第56-57页 |
| 4.3.3 BP网络输入、输出变量的初始化 | 第57-58页 |
| 4.4 实例分析 | 第58-60页 |
| 4.5 本章小结 | 第60-61页 |
| 第五章 半联合参数自适应组合预测方法 | 第61-71页 |
| 5.1 组合预测方法 | 第61-65页 |
| 5.1.1 全天统一权重组合预测模型 | 第61-62页 |
| 5.1.2 分时段变权重组合预测模型 | 第62-63页 |
| 5.1.3 组合预测模型权重策略的选取 | 第63-65页 |
| 5.2 实例分析 | 第65-68页 |
| 5.3 组合预测模型的改进 | 第68-70页 |
| 5.3.1 改进算法 | 第68-69页 |
| 5.3.2 效果验证 | 第69-70页 |
| 5.4 本章小结 | 第70-71页 |
| 第六章 结论与展望 | 第71-72页 |
| 6.1 结论 | 第71页 |
| 6.2 研究展望 | 第71-72页 |
| 参考文献 | 第72-75页 |
| 攻读硕士期间发表论文和科研成果 | 第75-76页 |
| 致谢 | 第76-77页 |
| 作者简介 | 第77页 |