基于神经网络的沈阳地区短期负荷预测
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 前言 | 第10-25页 |
| ·短期负荷特性概述 | 第10-11页 |
| ·短期负荷预测的意义 | 第11-14页 |
| ·国内外研究动态和趋势 | 第14-21页 |
| ·电力系统负荷预测的传统方法 | 第14-16页 |
| ·电力系统负荷预测的现代方法 | 第16-21页 |
| ·沈阳地区现有预测系统及存在的问题 | 第21-23页 |
| ·沈阳地区现有预测系统简介 | 第21-22页 |
| ·沈阳地区现有预测系统存在的问题 | 第22-23页 |
| ·本文工作的主要内容 | 第23-25页 |
| 第二章 沈阳地区负荷特性分析 | 第25-34页 |
| ·沈阳地区电网现状 | 第25页 |
| ·沈阳地区的负荷特性 | 第25页 |
| ·沈阳地区的负荷曲线变化规律与负荷预测模型 | 第25-33页 |
| ·负荷的增长因素与预测模型 | 第26页 |
| ·负荷的日周期性因素与预测模型 | 第26-27页 |
| ·负荷的星期周期性因素与预测模型 | 第27-28页 |
| ·负荷的季节周期性因素与预测模型 | 第28-29页 |
| ·节假日对负荷预测的影响 | 第29-30页 |
| ·气象因素对负荷预测的影响 | 第30-32页 |
| ·停电检修、重大活动对负荷预测的影响 | 第32-33页 |
| ·历史数据的影响 | 第33页 |
| ·本章小结 | 第33-34页 |
| 第三章 神经网络及数据挖掘的基本理论 | 第34-47页 |
| ·人工神经网络 | 第34-39页 |
| ·人工神经网络概述 | 第34-35页 |
| ·BP 神经网络 | 第35-39页 |
| ·数据挖掘 | 第39-46页 |
| ·数据挖掘的概念和功能 | 第39-41页 |
| ·数据挖掘在短期负荷预测中的应用 | 第41-46页 |
| ·本章小结 | 第46-47页 |
| 第四章 基于神经网络的建模及预测 | 第47-65页 |
| ·电力系统短期负荷预测 | 第47-49页 |
| ·短期负荷预测的特点 | 第47-49页 |
| ·短期负荷预测的基本步骤 | 第49页 |
| ·数据预处理 | 第49-54页 |
| ·异常数据的类型及影响 | 第49-50页 |
| ·异常数据的辨识与调整 | 第50-54页 |
| ·数据样本的归一化 | 第54页 |
| ·基于CART 算法的输入变量选择 | 第54-55页 |
| ·人工神经网络预测建模 | 第55-64页 |
| ·沈阳地区日负荷曲线的分段特性 | 第55-56页 |
| ·基于神经网络的负荷预测模型 | 第56-58页 |
| ·前向神经网络结构的设计 | 第58-60页 |
| ·神经网络模型的快速学习算法 | 第60-64页 |
| ·本章小结 | 第64-65页 |
| 第五章 算例分析 | 第65-77页 |
| ·负荷及影响因素的预处理 | 第65-66页 |
| ·通过CART 算法选择输入变量 | 第66-67页 |
| ·预测结果分析 | 第67-77页 |
| ·工作日的负荷预测分析 | 第67-74页 |
| ·周末日的负荷预测分析 | 第74页 |
| ·节假日的负荷预测分析 | 第74-77页 |
| 第六章 结论与展望 | 第77-79页 |
| ·结论 | 第77页 |
| ·展望 | 第77-79页 |
| 参考文献 | 第79-82页 |
| 致谢 | 第82-83页 |
| 攻读硕士学位期间发表或完成的论文 | 第83页 |
