| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第1章 引言 | 第7-12页 |
| ·选题的依据 | 第7页 |
| ·电力负荷预测的意义 | 第7-9页 |
| ·电力负荷预测研究的现状 | 第9-10页 |
| ·本文的主要工作 | 第10-12页 |
| 第2章 电力负荷预测概述 | 第12-23页 |
| ·电力负荷预测的基本原理 | 第12页 |
| ·电力负荷预测的分类 | 第12-14页 |
| ·电力负荷预测模型 | 第14-20页 |
| ·经典预测模型 | 第14-15页 |
| ·传统预测模型 | 第15-16页 |
| ·新兴预测模型 | 第16-20页 |
| ·本文采用的预测模型 | 第20页 |
| ·电力负荷预测的误差分析 | 第20-22页 |
| ·产生误差原因 | 第21页 |
| ·预测误差计算和分析 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 第3章 负荷预测模型的改进及算例分析 | 第23-45页 |
| ·灰色预测模型 | 第23-29页 |
| ·灰色建模 | 第23-24页 |
| ·模型精度检验 | 第24-27页 |
| ·背景值及初始条件分析 | 第27-29页 |
| ·粒子群优化模型参数 | 第29-33页 |
| ·粒子群优化算法 | 第29-32页 |
| ·粒子群优化灰色预测模型 | 第32-33页 |
| ·组合预测模型 | 第33-39页 |
| ·组合预测概念 | 第33-34页 |
| ·BP神经网络 | 第34-38页 |
| ·基于神经网络的组合预测模型 | 第38-39页 |
| ·算例分析 | 第39-44页 |
| ·粒子群优化灰色预测模型的实例 | 第39-41页 |
| ·基于神经网络的组合预测模型的实例 | 第41-44页 |
| ·本章小结 | 第44-45页 |
| 第4章 基于LabVIEW的中长期负荷预测系统软件的开发 | 第45-61页 |
| ·软件开发的背景 | 第45页 |
| ·系统设计 | 第45-51页 |
| ·软件设计原则 | 第45-46页 |
| ·开发平台的选择 | 第46页 |
| ·数据库的选择和访问 | 第46-49页 |
| ·系统的总体结构 | 第49-51页 |
| ·系统的软件开发 | 第51-60页 |
| ·密码登录实现 | 第51-52页 |
| ·用户管理实现 | 第52-54页 |
| ·数据管理实现 | 第54-56页 |
| ·修改密码实现 | 第56-57页 |
| ·预测模型库实现 | 第57-60页 |
| ·软件特点 | 第60页 |
| ·本章小结 | 第60-61页 |
| 第5章 结论与展望 | 第61-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-67页 |
| 攻读学位期间的研究成果 | 第67页 |