基于AHP和RBF神经网络的城网负荷预测
| 中文摘要 | 第1页 |
| 英文摘要 | 第3-6页 |
| 第一章 绪论 | 第6-10页 |
| ·研究背景及其意义 | 第6-7页 |
| ·电力负荷预测的发展现状 | 第7-8页 |
| ·本文的主要工作 | 第8-10页 |
| 第二章 基于AHP中长期分类负荷预测模型的构建 | 第10-28页 |
| ·负荷预测 | 第10-15页 |
| ·负荷预测的基本原理及要求 | 第10-11页 |
| ·负荷预测的内容及分类 | 第11-12页 |
| ·中长期负荷预测方法 | 第12-14页 |
| ·空间负荷预测方法 | 第14-15页 |
| ·层次分析法简介 | 第15-19页 |
| ·层次分析法简介 | 第15页 |
| ·层次分析法的基本原理 | 第15-19页 |
| ·层次分析法的应用 | 第19页 |
| ·AHP预测模型的构建 | 第19-24页 |
| ·层次预测模型构建的基本思想 | 第19-21页 |
| ·预测模型的层次结构 | 第21-22页 |
| ·预测模型权重的计算 | 第22-24页 |
| ·中长期分类负荷预测的步骤及流程图 | 第24-27页 |
| ·建立预测模型的步骤 | 第24-25页 |
| ·预测的流程图 | 第25-27页 |
| ·本章小结 | 第27-28页 |
| 第三章 基于RBF神经网络的拟合预测 | 第28-40页 |
| ·RBF网络方法 | 第28-33页 |
| ·RBF网络简介 | 第28页 |
| ·RBF网络的结构 | 第28-30页 |
| ·RBF网络的学习算法 | 第30-32页 |
| ·RBF网络与BP网络的对比 | 第32-33页 |
| ·RBF网络的应用 | 第33页 |
| ·基于RBF神经网络的拟合计算 | 第33-35页 |
| ·拟合模型的综合构架 | 第33-34页 |
| ·基于RBF神经网络拟合模型的计算 | 第34-35页 |
| ·RBF神经网络的MATLAB实现 | 第35-39页 |
| ·RBF神经网络的工具箱函数 | 第35-36页 |
| ·RBF神经网络拟合模型的实现 | 第36-37页 |
| ·分类负荷与小区负荷的综合调整 | 第37页 |
| ·分类负荷中长期负荷预测的流程 | 第37-39页 |
| ·本章小结 | 第39-40页 |
| 第四章 实例分析 | 第40-55页 |
| ·研究区域概述 | 第40页 |
| ·基于AHP分类负荷预测最优模型计算 | 第40-47页 |
| ·工业负荷 | 第40-44页 |
| ·商业负荷 | 第44-45页 |
| ·居住负荷 | 第45-47页 |
| ·分类负荷的负荷特性及影响因素分析 | 第47-50页 |
| ·工业负荷特点分析及影响因素选取 | 第47-48页 |
| ·商业负荷特点分析及影响因素选取 | 第48-49页 |
| ·居住负荷特点分析及影响因素选取 | 第49-50页 |
| ·基于RBF的分类负荷拟合预测 | 第50-51页 |
| ·预测结果分析 | 第51-54页 |
| ·拟合预测结果分析 | 第51-52页 |
| ·RBF神经网络扩展速度对结果的影响 | 第52页 |
| ·误差分析 | 第52-54页 |
| ·本章小结 | 第54-55页 |
| 第五章 结论与展望 | 第55-57页 |
| ·主要结论 | 第55-56页 |
| ·探索与展望 | 第56-57页 |
| 参考文献 | 第57-62页 |
| 致谢 | 第62-63页 |
| 在学校期间参加科研情况和发表的学术论文 | 第63页 |
