基于BP人工神经网络的电力短期负荷预测
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 前言 | 第9-14页 |
| 第一章 短期负荷预测概论 | 第14-24页 |
| ·负荷预测的概念和原理 | 第14-15页 |
| ·负荷预测的概念 | 第14页 |
| ·负荷预测的原理 | 第14-15页 |
| ·电力系统负荷的分类及其特点 | 第15-17页 |
| ·电力系统负荷的影响因素及其特点 | 第17-20页 |
| ·电力系统负荷的影响因素 | 第17页 |
| ·各种负荷分量的特性 | 第17-20页 |
| ·电力系统负荷预测 | 第20-23页 |
| ·负荷预测的基本步骤 | 第20-21页 |
| ·负荷预测的误差分析 | 第21-23页 |
| ·本章小结 | 第23-24页 |
| 第二章 人工神经网络基本理论 | 第24-34页 |
| ·人工神经网络的概述 | 第24-28页 |
| ·人工神经网络的简介 | 第24页 |
| ·人工神经网络的基本特征 | 第24-25页 |
| ·人工神经网络的基本原理 | 第25-27页 |
| ·人工神经网络的模型分类 | 第27-28页 |
| ·BP 神经网络 | 第28-31页 |
| ·神经网络的BP 模型 | 第28-29页 |
| ·BP 网络学习算法 | 第29-30页 |
| ·BP 网络学习具体步骤 | 第30-31页 |
| ·BP 网络的缺陷与改进 | 第31-33页 |
| ·BP 网络的优点 | 第31页 |
| ·BP 网络的缺陷 | 第31-32页 |
| ·BP 算法的改进 | 第32-33页 |
| ·本章小结 | 第33-34页 |
| 第三章 基于 BP 网络的负荷预测 | 第34-45页 |
| ·历史数据的选取 | 第34页 |
| ·输入数据的预处理 | 第34-36页 |
| ·负荷数据的预处理 | 第34-35页 |
| ·负荷数据的归一化 | 第35-36页 |
| ·对影响因素的量化处理 | 第36页 |
| ·网络的拓扑结构 | 第36-40页 |
| ·输出层节点的选择 | 第36-37页 |
| ·隐含层数的确定 | 第37页 |
| ·隐含层节点数的确定 | 第37-38页 |
| ·初始权值的选取 | 第38-39页 |
| ·学习参数选取 | 第39-40页 |
| ·双隐层神经网络BP 算法推导及其改进 | 第40-44页 |
| ·双隐层神经网络BP 算法的推导 | 第40-42页 |
| ·双隐层神经网络BP 算法的改进 | 第42-44页 |
| ·本章小结 | 第44-45页 |
| 第四章 负荷预测与算例分析 | 第45-55页 |
| ·负荷预测的网络模型构建 | 第45-47页 |
| ·神经网络结构的确定 | 第45-47页 |
| ·训练样本 | 第47页 |
| ·参数的确定 | 第47页 |
| ·误差评定指标 | 第47页 |
| ·算例分析 | 第47-54页 |
| ·本章小结 | 第54-55页 |
| 结论 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 发表文章目录 | 第59-60页 |
| 致谢 | 第60-61页 |
| 详细摘要 | 第61-68页 |
