| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-18页 |
| 1.1 线损理论基础 | 第9-10页 |
| 1.1.1 线损分类 | 第9页 |
| 1.1.2 线损产生原因 | 第9-10页 |
| 1.1.3 台区线损的影响因素 | 第10页 |
| 1.2 课题研究背景及意义 | 第10-11页 |
| 1.3 电网线损计算方法研究现状 | 第11-16页 |
| 1.3.1 电网线损计算的传统方法 | 第12-14页 |
| 1.3.2 电网线损计算的改进方法 | 第14-16页 |
| 1.4 本文主要工作 | 第16-18页 |
| 第2章 BP神经网络模型 | 第18-26页 |
| 2.1 神经网络概述 | 第18-20页 |
| 2.1.1 人工神经网络的发展 | 第18页 |
| 2.1.2 神经元模型和网络结构 | 第18-20页 |
| 2.2 标准BP神经网络的结构及算法 | 第20-21页 |
| 2.3 改进的BP神经网络算法 | 第21-24页 |
| 2.4.1 梯度下降法的改进方法 | 第22-23页 |
| 2.4.2 数值优化的方法 | 第23-24页 |
| 2.4 BP神经网络算法的性能 | 第24-25页 |
| 2.5 本章小结 | 第25-26页 |
| 第3章 基于改进K-Means聚类方法和BP神经网络模型的低压台区线损计算方法研究 | 第26-37页 |
| 3.1 数据预处理 | 第26-28页 |
| 3.1.1 线损数据质量校核 | 第26-27页 |
| 3.1.2 台区电气特征指标体系 | 第27-28页 |
| 3.2 改进K-MEANS聚类算法 | 第28-30页 |
| 3.2.1 理论基础 | 第28-29页 |
| 3.2.2 K-Means聚类方法的改进 | 第29-30页 |
| 3.3 低压台区线损率归一化 | 第30-31页 |
| 3.4 基于K-MEANS聚类方法和BP神经网络模型的低压台区线损计算方法步骤 | 第31-33页 |
| 3.5 台区线损计算方法程序 | 第33-36页 |
| 3.6 本章小结 | 第36-37页 |
| 第4章 实例分析 | 第37-49页 |
| 4.1 居民负荷实例 | 第37-44页 |
| 4.1.1 台区线损率的计算和分析 | 第37-43页 |
| 4.1.2 LM算法优化的BP神经网络与标准BP神经网络模型的比较 | 第43-44页 |
| 4.2 工业负荷实例 | 第44-48页 |
| 4.2.1 台区样本分类 | 第44-45页 |
| 4.2.2 台区线损率计算及误差分析 | 第45-48页 |
| 4.3 本章小结 | 第48-49页 |
| 第5章 结论与展望 | 第49-51页 |
| 5.1 结论 | 第49页 |
| 5.2 展望 | 第49-51页 |
| 参考文献 | 第51-55页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第55-56页 |
| 致谢 | 第56页 |
