首页--工业技术论文--电工技术论文--输配电工程、电力网及电力系统论文--理论与分析论文--电力系统规划论文

一种新型算法的短期负荷预测

摘要第1页
Abstract第4-8页
第1章 绪论第8-13页
   ·本课题研究的目的和意义第8-9页
   ·目前国内外研究现状第9-12页
   ·本文工作的主要内容第12-13页
第2章 电力短期负荷预测分析第13-18页
   ·电力负荷特性分析第13-14页
     ·电力负荷的分类第13-14页
     ·电力负荷的内在规律第14页
     ·电力负荷的外在特性第14页
   ·现有预测方法第14-17页
     ·传统预测方法第14-15页
     ·现代预测方法第15-16页
     ·现有预测方法的分析与比较第16-17页
   ·本章小结第17-18页
第3章 共享式全局寻优算法(SGOA)设计第18-31页
   ·几种主要全局寻优智能算法的分析第18-23页
     ·连续型遗传算法(CGA)第18-19页
     ·模拟退火算法(SAA)第19页
     ·蚁群算法(ACO)第19-20页
     ·粒子群算法(PSO)第20-21页
     ·人工鱼群算法(AFSA)第21-23页
     ·禁忌搜索算法(TSA)第23页
   ·几种全局寻优智能算法的应用分析第23-24页
     ·内部融合分析第23-24页
     ·外部融合分析第24页
   ·SGOA 算法设计第24-30页
     ·算法的设计原理第25-27页
     ·SGOA 算法优越性验证第27-29页
     ·仿真结果分析与比较第29-30页
   ·本章小结第30-31页
第4章 基于重置的变结构前馈神经网络的结构优化第31-40页
   ·重置算法的定义与相关定理第31-33页
   ·基于重置的变结构前馈神经网络第33-36页
     ·经典BP 神经网络算法第33页
     ·GAUSSNEWTON 前馈神经网络第33-35页
       ·前馈神经网络第33-34页
       ·GAUSSNEWTON 前馈神经网络算法第34-35页
     ·GAUNEWTON 前馈神经网络的结构优化第35-36页
       ·动态删除算法第35-36页
       ·GAUSSNEWTON 动态前馈神经网络算法第36页
     ·重置的变结构前馈神经网络的优化算法第36页
   ·应用实例研究第36-37页
   ·重置变结构前馈神经网络优化组合方法的有效性验证第37-39页
     ·最小二乘法第37-38页
     ·重置变结构前馈神经网络第38页
     ·二种方法的比较第38-39页
   ·本章小结第39-40页
第5章 SGOA 重置变结构前馈神经网络模型及其应用第40-62页
   ·电力系统短期负荷预测第40-42页
     ·电力系统短期负荷预测的复杂性第40-41页
     ·影响电力系统短期负荷的主要因素第41页
     ·人工神经网络在电力系统短期负荷预测中的作用第41-42页
   ·重置变结构前馈神经网络的设计第42-45页
     ·输入层神经元的数目第42页
     ·输出层神经元的数目第42-43页
     ·隐含层神经元的数目第43-45页
   ·利用SGOA 优化训练重置变结构前馈神经网络的过程第45-52页
     ·样本的选取第45-46页
     ·样本数据预处理第46-47页
     ·训练样本数据处理第47-50页
       ·负荷数据归一化第48页
       ·影响因素的模糊化处理第48-49页
       ·网络输入节点的选取及网络模型第49-50页
     ·预测误差分析第50-52页
       ·误差产生的原因第50-51页
       ·预测误差分析指标第51-52页
   ·SGOA 重置变结构前馈神经网络的短期负荷预测模型第52-54页
     ·传统的BP 神经网络模型第52页
     ·SGOA 重置变结构前馈神经网络模型第52-54页
   ·SGOA 重置变结构前馈神经网络模型在短期负荷预测中的应用第54-60页
     ·两种预测模型的比较第54-55页
     ·连续一周的日负荷的预测结果第55-60页
   ·本章小结第60-62页
第6章 结论第62-64页
   ·本文得出的结论第62-63页
   ·下一步发展方向第63-64页
参考文献第64-68页
致谢第68-69页
在学期间发表的学术论文和参加科研情况第69-70页
详细摘要第70-80页

论文共80页,点击 下载论文
上一篇:湖北省中小企业集群发展研究
下一篇:以社会主义核心价值体系解读价值观认同