| 摘要 | 第2-3页 |
| Abstract | 第3页 |
| 第一章 引言 | 第6-24页 |
| 1.1 课题研究的背景和意义 | 第6-8页 |
| 1.2 课题的研究现状 | 第8-11页 |
| 1.2.1 短期负荷预测的研究现状 | 第8-9页 |
| 1.2.2 短期负荷预测常用的分析方法 | 第9-11页 |
| 1.3 智能电网负荷预测概述 | 第11-22页 |
| 1.3.1 智能电网的建设对负荷预测的影响 | 第12-17页 |
| 1.3.1.1 先进技术的应用对负荷预测影响 | 第12-14页 |
| 1.3.1.2 智能电网中的新因素对负荷预测影响 | 第14-17页 |
| 1.3.2 未来智能电网中负荷预测的基本类别 | 第17-22页 |
| 1.3.2.1 配电网负荷预测 | 第17-18页 |
| 1.3.2.2 母线负荷预测 | 第18-19页 |
| 1.3.2.3 大用户负荷预测 | 第19-20页 |
| 1.3.2.4 微网负荷预测 | 第20-21页 |
| 1.3.2.5 电动汽车负荷预测 | 第21-22页 |
| 1.4 本文主要的研究工作 | 第22-24页 |
| 第二章 基于相关性分析的电动汽车充电负荷特性探究 | 第24-30页 |
| 2.1 分析方法 | 第24-26页 |
| 2.1.1 相关性分析法 | 第24-25页 |
| 2.1.2 回归分析法 | 第25-26页 |
| 2.1.3 分析方法的比较 | 第26页 |
| 2.2 电动汽车充电负荷与影响因子之间的特性分析 | 第26-28页 |
| 2.3 小结 | 第28-30页 |
| 第三章 基于RBF-NN的电动汽车充电站短期负荷预测模型研究 | 第30-42页 |
| 3.1 影响因子对充电站负荷的影响 | 第30-34页 |
| 3.1.1 季节因素 | 第30-31页 |
| 3.1.2 气象因素 | 第31-33页 |
| 3.1.3 日类型因素 | 第33-34页 |
| 3.2 BP-NN模型结构与算法 | 第34-37页 |
| 3.3 RBF-NN预测模型 | 第37-39页 |
| 3.3.1 RBF-NN预测模型 | 第37-38页 |
| 3.3.2 RBF-NN模型学习算法 | 第38-39页 |
| 3.4 仿真验证 | 第39-41页 |
| 3.4.1 影响因素数据处理 | 第39-40页 |
| 3.4.2 仿真验证 | 第40-41页 |
| 3.5 结论 | 第41-42页 |
| 第四章 基于模糊控制与RBF-NN的充电站短期负荷预测模型研究 | 第42-50页 |
| 4.1 模糊控制原理 | 第42-43页 |
| 4.2 模糊控制在线修正RBF-NN预测模型 | 第43-47页 |
| 4.2.1 模糊控制在线修正RBF-NN预测模型原理 | 第43-44页 |
| 4.2.2 模糊控制在线修正RBF-NN预测模型的设计步骤 | 第44-47页 |
| 4.3 Mamdani推理法和重心法 | 第47-48页 |
| 4.4 仿真验证 | 第48-49页 |
| 4.5 结论 | 第49-50页 |
| 第五章 总结与展望 | 第50-52页 |
| 5.1 总结 | 第50页 |
| 5.2 展望 | 第50-52页 |
| 参考文献 | 第52-58页 |
| 攻读学位期间的研究成果 | 第58-60页 |
| 致谢 | 第60-62页 |
