宿州地区负荷特性研究及负荷预测
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 课题研究的背景及意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.3 负荷预测方法及分析比较 | 第11-16页 |
| 1.3.1 传统预测方法 | 第11-13页 |
| 1.3.2 智能预测方法 | 第13-14页 |
| 1.3.3 上述几种方法的分析比较 | 第14-15页 |
| 1.3.4 影响用电量的主要因素 | 第15-16页 |
| 1.4 本论文的主要工作 | 第16-17页 |
| 第2章 宿州地区负荷电量特性分析 | 第17-27页 |
| 2.1 地区经济发展概况和用电结构分析 | 第17-19页 |
| 2.2 电力市场需求历史实绩分析 | 第19-23页 |
| 2.3 宿州地区负荷特性分析 | 第23-26页 |
| 2.4 电力市场和负荷特性分行业分析预测 | 第26页 |
| 2.5 本章小结 | 第26-27页 |
| 第3章 基于传统方法的宿州地区负荷电量预测 | 第27-35页 |
| 3.1 电量预测方法 | 第27-30页 |
| 3.1.1 回归分析法 | 第27-28页 |
| 3.1.2 弹性系数法 | 第28-29页 |
| 3.1.3 时间系列法 | 第29页 |
| 3.1.4 需电量预测总结 | 第29-30页 |
| 3.2 最大负荷预测方法 | 第30-33页 |
| 3.2.1 最大负荷利用小时法 | 第30-31页 |
| 3.2.2 自然增长加大用户法 | 第31-32页 |
| 3.2.3 移动平均法 | 第32页 |
| 3.2.4 最大负荷预测总结 | 第32-33页 |
| 3.3 本章小结 | 第33-35页 |
| 第4章 BP神经网络预测技术及其应用 | 第35-42页 |
| 4.1 BP神经网络 | 第35-37页 |
| 4.1.1 BP神经网络的数学模型 | 第36页 |
| 4.1.2 BP神经网络的学习算法 | 第36-37页 |
| 4.2 BP神经网络算法的应用 | 第37-39页 |
| 4.3 BP法与传统法预测误差对比 | 第39-40页 |
| 4.4 基于BP法的“十三五”宿州地区负荷预测 | 第40-41页 |
| 4.5 本章小结 | 第41-42页 |
| 第5章 结论和展望 | 第42-44页 |
| 参考文献 | 第44-47页 |
| 致谢 | 第47-48页 |
| 作者简介 | 第48页 |
