| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 1 绪论 | 第8-14页 |
| 1.1 课题研究的意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-13页 |
| 1.2.1 电力负荷预测的研究现状 | 第9-12页 |
| 1.2.2 Elman神经网络的研究现状 | 第12-13页 |
| 1.3 本文的主要工作 | 第13-14页 |
| 2 电力负荷预测的基本概念 | 第14-20页 |
| 2.1 电力负荷预测的基本概念 | 第14-16页 |
| 2.2 负荷预测误差分析 | 第16-17页 |
| 2.2.1 产生误差原因 | 第16页 |
| 2.2.2 预测误差分析 | 第16-17页 |
| 2.3 负荷数据预处理 | 第17-19页 |
| 2.4 本章小结 | 第19-20页 |
| 3 人工神经网络的基础理论 | 第20-26页 |
| 3.1 人工神经网络概述 | 第20页 |
| 3.2 神经网络的结构及特点 | 第20-21页 |
| 3.3 人工神经网络的分类 | 第21-24页 |
| 3.4 人工神经网络的学习规则 | 第24-25页 |
| 3.4.1 Hebb学习规则 | 第24页 |
| 3.4.2 纠错规则 | 第24-25页 |
| 3.4.3 竞争学习规则 | 第25页 |
| 3.5 本章小结 | 第25-26页 |
| 4 Elman神经网络及其改进 | 第26-36页 |
| 4.1 Elman神经网络的基本原理 | 第26页 |
| 4.2 Elman神经网络结构及预测流程 | 第26-28页 |
| 4.3 Elman神经网络的学习过程和学习算法 | 第28-30页 |
| 4.3.1 Elman神经网络的学习过程 | 第28-29页 |
| 4.3.2 Elman神经网络的学习算法 | 第29-30页 |
| 4.4 改进的Elman神经网络 | 第30-33页 |
| 4.4.1 网络结构的改进 | 第31-32页 |
| 4.4.2 激励函数的改进 | 第32-33页 |
| 4.4.3 学习算法的改进 | 第33页 |
| 4.5 保证网络稳定收敛的充分条件 | 第33-34页 |
| 4.6 本章小结 | 第34-36页 |
| 5 短期负荷预测的实例仿真 | 第36-46页 |
| 5.1 Matlab及神经网络工具箱 | 第36-37页 |
| 5.1.1 Matlab软件简介 | 第36页 |
| 5.1.2 神经网络工具箱 | 第36-37页 |
| 5.2 实例仿真 | 第37-45页 |
| 5.2.1 短期负荷预测系统建模 | 第37-41页 |
| 5.2.2 仿真分析 | 第41-45页 |
| 5.3 本章小结 | 第45-46页 |
| 6 小波分析与改进型Elman神经网络的结合 | 第46-54页 |
| 6.1 小波变换的理论基础 | 第46-47页 |
| 6.1.1 从傅里叶变换到小波变换 | 第46页 |
| 6.1.2 小波变换原理 | 第46-47页 |
| 6.2 小波神经网络 | 第47-48页 |
| 6.2.1 离散型小波神经网络 | 第47页 |
| 6.2.2 连续型小波神经网络 | 第47-48页 |
| 6.3 小波分析与改进型Elman神经网络相结合的负荷预测 | 第48-53页 |
| 6.3.1 小波函数的选取 | 第48-49页 |
| 6.3.2 网络结构及相关参数的选取 | 第49页 |
| 6.3.3 仿真分析 | 第49-53页 |
| 6.4 本章小节 | 第53-54页 |
| 7 结论与展望 | 第54-56页 |
| 8 致谢 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 硕士期间论文发表情况 | 第62页 |