基于人工神经网络的电力系统短期负荷预测的应用分析
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-12页 |
| ·研究课题的确定 | 第9-10页 |
| ·本论文的主要工作 | 第10-11页 |
| ·研究平台 | 第11-12页 |
| 第2章 电力市场的负荷预测概述 | 第12-23页 |
| ·负荷的概念与分类 | 第12-13页 |
| ·负荷的概念 | 第12页 |
| ·电力负荷的分类 | 第12-13页 |
| ·负荷预测的分类 | 第13-14页 |
| ·按时间分类 | 第13-14页 |
| ·按行业分类 | 第14页 |
| ·按特性分类 | 第14页 |
| ·负荷预测的经验技术与经典技术(方法) | 第14-19页 |
| ·常规单一的负荷预测方法 | 第14-16页 |
| ·负荷预测的新技术 | 第16-17页 |
| ·负荷预测技术的发展动态 | 第17-19页 |
| ·短期负荷预测概述 | 第19-21页 |
| ·短期负荷特性 | 第19-21页 |
| ·影响短期负荷预测的因素 | 第21页 |
| ·负荷预测的误差指标 | 第21-23页 |
| 第3章 基于人工神经网络的短期负荷预测 | 第23-42页 |
| ·BP人工神经网络 | 第23-29页 |
| ·人工神经网络简述 | 第23-24页 |
| ·BP人工神经网络与BP学习算法 | 第24-29页 |
| ·人工神经网络在负荷预测中的应用 | 第29-30页 |
| ·神经网络实现负荷预测的改进方法 | 第30-35页 |
| ·BP算法的启发式改进 | 第30-31页 |
| ·基于数值优化方法的网络训练算法 | 第31-35页 |
| ·MATLAB语言及其神经网络工具箱函数介绍 | 第35-42页 |
| ·MATLAB简介 | 第35-37页 |
| ·MATLAB语言特点 | 第37页 |
| ·神经网络工具箱几个重要函数介绍 | 第37-42页 |
| 第4章 基于神经网络的某地区短期负荷预测 | 第42-64页 |
| ·分季节模型 | 第42页 |
| ·输入数据的预处理 | 第42-45页 |
| ·样本数据预处理 | 第42-44页 |
| ·负荷数据归一化和气象数据量化处理 | 第44-45页 |
| ·对影响负荷预测的因素的分析 | 第45页 |
| ·BP神经网络结构的确定 | 第45-48页 |
| ·输入/输出向量设计 | 第45-46页 |
| ·隐含层个数确定 | 第46页 |
| ·传输函数 | 第46-47页 |
| ·预测的BP网络结构 | 第47页 |
| ·神经网络模型预测流程图 | 第47-48页 |
| ·MATLAB语言环境下的程序设计 | 第48-49页 |
| ·建立输入、输出矩阵 | 第48页 |
| ·建立网络 | 第48-49页 |
| ·网络训练 | 第49页 |
| ·算例分析 | 第49-64页 |
| ·样本个数的选取对网络的影响 | 第49-55页 |
| ·隐含层个数的选取对网络的影响 | 第55-60页 |
| ·气象条件敏感性分析 | 第60-64页 |
| 第5章 总结与展望 | 第64-65页 |
| 参考文献 | 第65-67页 |
| 附录 | 第67-82页 |
| 附录1 | 第67-72页 |
| 附录2 | 第72-82页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第82-83页 |
| 致谢 | 第83-84页 |
| 作者简介 | 第84页 |
