| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 1 前言 | 第7-13页 |
| ·负荷预测研究的背景和意义 | 第7-8页 |
| ·国内外研究和应用现状 | 第8-11页 |
| ·短期负荷预测的国内外研究现状 | 第8页 |
| ·负荷预测的常用方法 | 第8-11页 |
| ·短期负荷预测中存在的问题 | 第11-12页 |
| ·本文的主要工作 | 第12-13页 |
| 2 RBF神经网络 | 第13-18页 |
| ·人工神经网络的理论概述 | 第13页 |
| ·RBF神经网络 | 第13-17页 |
| ·RBF神经网络的结构和数学模型 | 第13-15页 |
| ·RBF网络训练的准则和常用算法 | 第15-17页 |
| ·RBF神经网络与BP神经网络的比较 | 第17-18页 |
| 3 基于模糊聚类分析与RBF神经网络的短期负荷预测 | 第18-41页 |
| ·电力负荷特性分析 | 第18-27页 |
| ·短期负荷特性 | 第18页 |
| ·典型负荷分量分析 | 第18-24页 |
| ·天气敏感分量分析 | 第24-27页 |
| ·数据挖掘技术在负荷预测中的应用 | 第27-31页 |
| ·负荷数据的预处理 | 第27-28页 |
| ·样本的选取与输入样本的归一化处理 | 第28-29页 |
| ·模糊聚类分析 | 第29-30页 |
| ·分类识别 | 第30-31页 |
| ·RBF神经网络模型的建立 | 第31-34页 |
| ·RBF神经网络模型中输入输出变量的选择 | 第31页 |
| ·RBF神经网络的训练算法及各参数的确定 | 第31-33页 |
| ·负荷预测流程 | 第33页 |
| ·节假日负荷的修正 | 第33-34页 |
| ·实例分析 | 第34-40页 |
| ·仿真模型的建立及验证 | 第34-39页 |
| ·与单一的RBF神经网络预测的比较分析 | 第39-40页 |
| ·与BP神经网络预测的比较分析 | 第40页 |
| ·结论及分析 | 第40-41页 |
| 4 模糊控制器的在线智能修正 | 第41-53页 |
| ·模糊控制器的设计 | 第42-45页 |
| ·模糊化过程 | 第42-43页 |
| ·模糊控制规则 | 第43-44页 |
| ·模糊推理 | 第44页 |
| ·解模糊化 | 第44-45页 |
| ·模糊控制器在短期负荷预测中的应用 | 第45-48页 |
| ·模糊控制器的输入输出 | 第45页 |
| ·模糊控制器的实现 | 第45-47页 |
| ·神经网络预测与模糊控制调整的结合 | 第47-48页 |
| ·实例分析 | 第48-49页 |
| ·仿真模型的建立及验证 | 第48页 |
| ·与单一的RBF神经网络预测的比较分析 | 第48-49页 |
| ·考虑电力市场的短期负荷预测的修正 | 第49-53页 |
| ·电力市场环境下的短期负荷预测新特点与要求 | 第49页 |
| ·电力市场环境下负荷预测的修正 | 第49-53页 |
| 5 总结及展望 | 第53-55页 |
| ·总结 | 第53页 |
| ·展望 | 第53-55页 |
| 致谢 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 硕士期间成果 | 第59页 |