基于模糊/神经网络的电力系统短期负荷预测
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-13页 |
| 第一章 绪言 | 第13-27页 |
| ·负荷预测的意义和分类 | 第13-14页 |
| ·各类负荷及其特性 | 第14-15页 |
| ·肇庆电网负荷构成及特性分析 | 第15-18页 |
| ·肇庆市简况 | 第15页 |
| ·肇庆电网现状 | 第15-16页 |
| ·肇庆市历史用电分析 | 第16-18页 |
| ·短期负荷预测意义及其影响因素 | 第18-20页 |
| ·国内外负荷预测研究现状 | 第20-25页 |
| ·趋势外推法 | 第22页 |
| ·时间序列法 | 第22-23页 |
| ·回归分析法 | 第23页 |
| ·灰色预测法 | 第23页 |
| ·专家系统法 | 第23-24页 |
| ·人工神经网络预测方法 | 第24-25页 |
| ·模糊控制方法 | 第25页 |
| ·电力系统负荷预测存在的主要问题 | 第25-26页 |
| ·负荷历史数据的坏数据处理 | 第25页 |
| ·节假日的负荷预测 | 第25-26页 |
| ·单一预测模型的缺陷 | 第26页 |
| ·本文主要工作 | 第26页 |
| ·本章小结 | 第26-27页 |
| 第二章 模糊神经网络模型 | 第27-38页 |
| ·模糊神经网络的结构 | 第27-30页 |
| ·模糊神经网络的拓扑结构 | 第27-28页 |
| ·神经元结构 | 第28-29页 |
| ·控制器的结构 | 第29页 |
| ·控制器的算法步骤 | 第29-30页 |
| ·权值说明 | 第30页 |
| ·模糊规则的抽取 | 第30-31页 |
| ·模糊规则树(林)的抽取算法 | 第31-33页 |
| ·区间划分 | 第31-32页 |
| ·抽取算法 | 第32-33页 |
| ·隐含层单元的生成 | 第33页 |
| ·模糊神经网络的模型 | 第33-35页 |
| ·信息的模糊化模型 | 第33-34页 |
| ·控制器的数字模型 | 第34页 |
| ·FNN推理计算部分的数学模型 | 第34-35页 |
| ·FNN传递计算部分的数学模型 | 第35页 |
| ·模糊神经网络的学习算法 | 第35-37页 |
| ·本章小结 | 第37-38页 |
| 第三章 短期负荷预测数据处理 | 第38-46页 |
| ·电力负荷预测步骤 | 第38-40页 |
| ·明确负荷预测的内容和要求 | 第38页 |
| ·资料的搜集和整理 | 第38-39页 |
| ·对资料进行分析 | 第39页 |
| ·选择预测模型 | 第39-40页 |
| ·负荷预测 | 第40页 |
| ·分析预测结果 | 第40页 |
| ·影响负荷预测的因素 | 第40-44页 |
| ·经济因素对负荷预测的影响 | 第40-41页 |
| ·时间因素对负荷预测的影响 | 第41-43页 |
| ·气候因素对负荷预测的影响 | 第43页 |
| ·随机干扰对负荷预测的影响 | 第43-44页 |
| ·电力负荷预测数据的处理 | 第44-45页 |
| ·电力系统短期负荷数据的选取和分析 | 第44页 |
| ·电力系统负荷数据的预处理 | 第44-45页 |
| ·本章小结 | 第45-46页 |
| 第四章 基于FNN的短期负荷预测模型 | 第46-50页 |
| ·模糊神经网络的训练 | 第46-47页 |
| ·应用 FNN进行短期负荷预测的过程 | 第47页 |
| ·模糊神经网络的训练结果 | 第47-49页 |
| ·本章小结 | 第49-50页 |
| 第五章 基于 FNN的短期负荷预测实例 | 第50-57页 |
| ·FNN输入变量的选取和处理 | 第50-51页 |
| ·用于短期负荷预测的 FNN的拓扑结构 | 第51-54页 |
| ·预测实例 | 第54-55页 |
| ·模糊神经网络预测与经验预测的比较 | 第55-56页 |
| ·本章小结 | 第56-57页 |
| 第六章 结束语 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 独创性声明 | 第62-63页 |
| 攻读学位期间发表的学术论文目录 | 第63-64页 |
| 致谢 | 第64页 |
