电网负荷预测分析与管理于一体的研究和实践
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第9-24页 |
| 1.1 负荷预测的意义及分类 | 第9-10页 |
| 1.2 负荷预测的基本要求 | 第10-11页 |
| 1.3 负荷预测方法综述 | 第11-21页 |
| 1.3.1 经验预测法 | 第11页 |
| 1.3.2 外推法 | 第11-12页 |
| 1.3.3 回归法 | 第12页 |
| 1.3.4 相关分析法和解析法 | 第12-13页 |
| 1.3.5 时间序列法 | 第13-15页 |
| 1.3.6 人工智能法 | 第15-19页 |
| 1.3.7 各种预测方法比较 | 第19-21页 |
| 1.4 提高预测准确性的途径 | 第21-22页 |
| 1.5 本文主要工作 | 第22-24页 |
| 第二章 基于周期性的负荷预测及预测的综合模型 | 第24-49页 |
| 2.1 概述 | 第24页 |
| 2.2 基于周期性的正常日短期负荷预测方法 | 第24-33页 |
| 2.2.1 点对点倍比法 | 第26-27页 |
| 2.2.2 倍比平滑法 | 第27-28页 |
| 2.2.3 重叠曲线法 | 第28-30页 |
| 2.2.4 基于均值和变化系数的短期预测方法 | 第30-31页 |
| 2.2.5 自回归动平均法(ARMA) | 第31页 |
| 2.2.6 人工神经元网络法 | 第31-33页 |
| 2.3 节假日预测方法 | 第33-38页 |
| 2.3.1 节假日预测的基本思路 | 第34-35页 |
| 2.3.2 节假日预测方法 | 第35-38页 |
| 2.4 规范化的处理相关因素的短期负荷预测策略 | 第38-49页 |
| 2.4.1 不同日之间特征量的差异、相似度 | 第38-39页 |
| 2.4.2 映射数据库的设计 | 第39-42页 |
| 2.4.3 规范化相关因素的短期负荷预测方法 | 第42-44页 |
| 2.4.4 短期负荷预测的综合模型 | 第44-49页 |
| 第三章 负荷预测的分层管理 | 第49-56页 |
| 3.1 概述 | 第49页 |
| 3.2 负荷预测管理中的相关问题 | 第49-54页 |
| 3.2.1 负荷预测口径 | 第50-53页 |
| 3.2.2 负荷预测准确率的计算方法 | 第53-54页 |
| 3.3 负荷预测分层管理的基本流程 | 第54-56页 |
| 第四章 负荷特性分析 | 第56-63页 |
| 4.1 概述 | 第56页 |
| 4.2 负荷特性指标体系 | 第56-59页 |
| 4.2.1 日负荷特性 | 第57页 |
| 4.2.2 周负荷特性 | 第57-58页 |
| 4.2.3 月负荷特性 | 第58-59页 |
| 4.2.4 年(季)负荷特性 | 第59页 |
| 4.3 2005年山东电网负荷特性简析 | 第59-63页 |
| 第五章 山东电网负荷预测分析管理系统的基本架构 | 第63-73页 |
| 5.1 设计原则 | 第63-64页 |
| 5.2 基本构架 | 第64-65页 |
| 5.3 系统功能 | 第65-73页 |
| 5.3.1 负荷预测 | 第65-67页 |
| 5.3.2 负荷分析 | 第67-68页 |
| 5.3.3 负荷管理 | 第68-70页 |
| 5.3.4 报表管理 | 第70-71页 |
| 5.3.5 系统管理 | 第71-72页 |
| 5.3.6 系统应用 | 第72-73页 |
| 第六章 结论 | 第73-74页 |
| 参考文献 | 第74-79页 |
| 致谢 | 第79-80页 |
| 攻读学位期间发表的学术论文目录 | 第80-81页 |
