基于超短期负荷预测的补偿电容器优化投切
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第7-11页 |
| 1.1 负荷预测概述 | 第7-8页 |
| 1.2 电力系统负荷的分类 | 第8-9页 |
| 1.3 电力系统负荷的特点 | 第9-11页 |
| 第二章 电力系统负荷预测分析 | 第11-23页 |
| 2.1 电力系统负荷预测方法简介 | 第11-15页 |
| 2.1.1 回归分析法 | 第11页 |
| 2.1.2 弹性系数法 | 第11-12页 |
| 2.1.3 时间序列法 | 第12-13页 |
| 2.1.4 负荷求导法 | 第13页 |
| 2.1.5 专家系统法 | 第13页 |
| 2.1.6 灰色预测法 | 第13-14页 |
| 2.1.7 外推法 | 第14页 |
| 2.1.8 人工神经网络法 | 第14-15页 |
| 2.2 影响负荷预测准确性的因素 | 第15-16页 |
| 2.3 电力系统负荷的基本模型 | 第16-19页 |
| 2.4 负荷数据的预处理 | 第19-20页 |
| 2.4.1 坏数据的辨识 | 第20页 |
| 2.4.2 坏数据的修正 | 第20页 |
| 2.5 预测误差分析 | 第20-23页 |
| 第三章 超短期负荷预测模型 | 第23-48页 |
| 3.1 神经网络法超短期负荷预测 | 第24-40页 |
| 3.1.1 人工神经网络的发展历史 | 第24-25页 |
| 3.1.2 人工神经网络的概念 | 第25-26页 |
| 3.1.3 BP神经网络 | 第26-32页 |
| 3.1.4 传统 BP网络的优缺点 | 第32页 |
| 3.1.5 BP算法的改进 | 第32-34页 |
| 3.1.6 算例和结果 | 第34页 |
| 3.1.7 用神经网络法进行负荷预测 | 第34-36页 |
| 3.1.8 预测过程 | 第36页 |
| 3.1.9 预测算例 | 第36-40页 |
| 3.2 超短期负荷预测外推法 | 第40-47页 |
| 3.2.1 确定负荷变化趋势 | 第41-42页 |
| 3.2.2 当前时间负荷水平的处理 | 第42-43页 |
| 3.2.3 预测过程 | 第43页 |
| 3.2.4 预测算例 | 第43-47页 |
| 3.3 两种预测方法的比较 | 第47-48页 |
| 第四章 基于超短期负荷预测的优化无功补偿 | 第48-62页 |
| 4.1 无功补偿的重要性 | 第48-49页 |
| 4.2 无功补偿的原理及意义 | 第49-52页 |
| 4.2.1 无功对电网的影响 | 第49-50页 |
| 4.2.2 无功功率补偿原理 | 第50-52页 |
| 4.2.3 无功补偿的意义 | 第52页 |
| 4.3 配电网中无功补偿分类 | 第52-53页 |
| 4.4 无功调节判据分析 | 第53-57页 |
| 4.4.1 无功调节判据综述 | 第53-55页 |
| 4.4.2 改进的九区图法 | 第55-57页 |
| 4.5 无功补偿存在的问题 | 第57-58页 |
| 4.6 基于负荷预测的投切方式优化方法 | 第58-59页 |
| 4.7 仿真算例 | 第59-61页 |
| 4.8 负荷预测在无功补偿上的一些其他应用 | 第61-62页 |
| 第五章 结论 | 第62-63页 |
| 参考文献 | 第63-66页 |
| 致谢 | 第66-67页 |
| 学位论文评阅及答辩情况表 | 第67页 |
