小波和神经网络在电力系统中长期负荷预测中的应用研究
| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 1 绪论 | 第8-22页 |
| ·课题研究的背景 | 第8-9页 |
| ·负荷预测概论 | 第9-13页 |
| ·负荷预测的概念 | 第9页 |
| ·负荷预测的特点 | 第9-10页 |
| ·负荷预测的分类 | 第10页 |
| ·负荷预测的基本原理 | 第10-11页 |
| ·预测的误差指标 | 第11-13页 |
| ·负荷预测的发展历程及现状 | 第13-15页 |
| ·发展历程 | 第13页 |
| ·发展现状 | 第13页 |
| ·现代负荷预测的特征 | 第13-15页 |
| ·国内外中长期负荷预测的方法 | 第15-21页 |
| ·基于参数模型的方法 | 第15-17页 |
| ·基于非参数模型的方法 | 第17-21页 |
| ·本文的主要内容及作者所做的主要工作 | 第21-22页 |
| 2 小波理论 | 第22-32页 |
| ·小波理论的发展 | 第22-23页 |
| ·小波分析理论的基本概念 | 第23-31页 |
| ·小波变换的基本理论 | 第23-29页 |
| ·常用小波函数及性质 | 第29-31页 |
| ·小波分析理论的应用和发展前景 | 第31页 |
| ·本章小结 | 第31-32页 |
| 3 人工神经网络理论及应用 | 第32-49页 |
| ·人工神经网络的发展及现状 | 第32-34页 |
| ·神经网络的发展史 | 第32-33页 |
| ·人工神经网络的特点 | 第33页 |
| ·人工神经网络结构模型 | 第33-34页 |
| ·多层 BP神经网络的基本原理 | 第34-37页 |
| ·BP神经网络的结构 | 第34-35页 |
| ·BP神经网络误差反向传播学习算法的基本思想 | 第35-36页 |
| ·BP神经网络误差反向传播学习算法的计算步骤 | 第36-37页 |
| ·BP网络的优缺点及存在问题 | 第37-41页 |
| ·BP网络的优缺点 | 第37-39页 |
| ·BP算法存在问题分析 | 第39-41页 |
| ·神经网络在电力负荷预测中的应用 | 第41页 |
| ·基于广义回归神经网络的长期负荷预测 | 第41-47页 |
| ·广义神经网络的基本算法 | 第42-43页 |
| ·广义神经网络的结构 | 第43-44页 |
| ·平滑参数的确定 | 第44-45页 |
| ·输入神经元数目的确定 | 第45页 |
| ·仿真实例 | 第45-47页 |
| ·本章小结 | 第47-49页 |
| 4 小波神经网络预测法 | 第49-64页 |
| ·小波神经网络 | 第49-52页 |
| ·小波神经网络理论的发展 | 第49页 |
| ·小波神经网络构造的理论基础 | 第49-50页 |
| ·小波神经网络的结构形式 | 第50-52页 |
| ·小波神经网络的特点 | 第52-53页 |
| ·小波神经网络优点 | 第52页 |
| ·小波神经网络存在的问题 | 第52-53页 |
| ·小波神经网络的自调整算法 | 第53-57页 |
| ·网络参数初始值的选取 | 第53-54页 |
| ·隐含层节点数的确定 | 第54页 |
| ·学习速度的调整 | 第54-55页 |
| ·基于BP算法的小波神经网络自调整算法 | 第55-57页 |
| ·基于小波网络的电力系统负荷预测 | 第57-58页 |
| ·基于小波网络的电力负荷预测 | 第57-58页 |
| ·小波网络的中期负荷预测 | 第58页 |
| ·实例仿真 | 第58-63页 |
| ·负荷数据处理 | 第59-61页 |
| ·小波网络模型结构 | 第61页 |
| ·小波网络输入神经元的确定 | 第61页 |
| ·仿真结果分析与对比 | 第61-63页 |
| ·本章小结 | 第63-64页 |
| 5 结论与展望 | 第64-66页 |
| ·结论 | 第64-65页 |
| ·展望 | 第65-66页 |
| 致谢 | 第66-67页 |
| 参考文献 | 第67-70页 |
| 在学校期间发表的论文 | 第70页 |
