| 摘要 | 第1-7页 |
| ABSTRACT | 第7-12页 |
| 第一章 绪论 | 第12-18页 |
| ·电力系统负荷预测概述 | 第12页 |
| ·负荷预测国内外研究现状 | 第12-14页 |
| ·选题依据及意义 | 第14-16页 |
| ·本文研究的主要内容安排 | 第16-18页 |
| 第二章 电力负荷预测综述 | 第18-27页 |
| ·电力系统负荷构成和特点 | 第18-23页 |
| ·电力系统负荷按行业分类 | 第18-21页 |
| ·电力系统负荷的特点 | 第21-22页 |
| ·电力负荷预测的特点 | 第22-23页 |
| ·负荷历史数据的预处理 | 第23-25页 |
| ·坏数据的处理 | 第23-24页 |
| ·负荷数据的归一化处理 | 第24-25页 |
| ·预测误差分析指标 | 第25-27页 |
| 第三章 基于小波理论电力负荷短期预测模型 | 第27-42页 |
| ·小波变换 | 第27-31页 |
| ·从傅立叶变换到小波变换 | 第27-28页 |
| ·连续小波变换 | 第28-30页 |
| ·离散小波变换 | 第30-31页 |
| ·多分辨率分析 | 第31-33页 |
| ·基本概念 | 第31-32页 |
| ·多分辨率分析 | 第32-33页 |
| ·时间序列法模型 | 第33-35页 |
| ·将小波分解用于负荷预测 | 第35-37页 |
| ·仿真分析 | 第37-42页 |
| ·仿真实验 | 第37-41页 |
| ·仿真结果分析 | 第41-42页 |
| 第四章 基于人工神经网络电力负荷短期预测模型 | 第42-59页 |
| ·人工神经网络概述 | 第42-47页 |
| ·神经网络的发展 | 第42-43页 |
| ·人工神经元模型 | 第43-44页 |
| ·神经网络常用激励函数 | 第44-47页 |
| ·BP 神经网络 | 第47-49页 |
| ·网络的拓扑结构 | 第49-51页 |
| ·输出层节点选择 | 第49-50页 |
| ·训练样本的选择 | 第50页 |
| ·隐含层层数及节点数的选择 | 第50-51页 |
| ·仿真验证 | 第51-56页 |
| ·基于小波去噪的 BP 神经网络在负荷预测中的应用 | 第56-59页 |
| ·小波分解应用于 BP 神经网络 | 第56-57页 |
| ·仿真分析 | 第57-59页 |
| 第五章 电力负荷短期预测软件设计 | 第59-84页 |
| ·系统需求分析 | 第59-60页 |
| ·数据需求分析 | 第59-60页 |
| ·功能需求分析 | 第60页 |
| ·系统设计 | 第60-70页 |
| ·简介 | 第60-62页 |
| ·软件开发原则 | 第62-63页 |
| ·系统设计要求 | 第63页 |
| ·系统体系结构设计 | 第63-64页 |
| ·系统总体结构设计 | 第64-70页 |
| ·系统网络体系结构 | 第70页 |
| ·系统功能设计 | 第70-74页 |
| ·数据库与接口设计 | 第74-78页 |
| ·数据库设计 | 第74-76页 |
| ·接口设计 | 第76页 |
| ·安全性设计 | 第76-78页 |
| ·软件的界面及功能 | 第78-82页 |
| ·软件开发环境和运行环境 | 第78页 |
| ·系统主界面 | 第78-80页 |
| ·系统查询界面 | 第80-81页 |
| ·预测误差对比 | 第81-82页 |
| ·预测波形对比界面 | 第82页 |
| ·本章小结 | 第82-84页 |
| 第六章 总结与展望 | 第84-86页 |
| ·全文总结 | 第84页 |
| ·后续工作的展望 | 第84-86页 |
| 致谢 | 第86-87页 |
| 参考文献 | 第87-90页 |