| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 选题背景及其意义 | 第9页 |
| 1.2 负荷预测的分类及其影响因素 | 第9-10页 |
| 1.2.1 负荷预测的分类 | 第9-10页 |
| 1.2.2 负荷预测的影响因素 | 第10页 |
| 1.3 国内外负荷预测方法研究现状 | 第10-14页 |
| 1.3.1 传统预测方法 | 第10-12页 |
| 1.3.2 人工智能预测方法 | 第12-14页 |
| 1.4 本论文的主要工作 | 第14-15页 |
| 第2章 邢台地区电力负荷特征分析及预测流程 | 第15-24页 |
| 2.1 邢台地区电力负荷特征分析 | 第15-19页 |
| 2.1.1 邢台地区电网及负荷现状 | 第15-16页 |
| 2.1.2.邢台地区负荷变化规律 | 第16-18页 |
| 2.1.3.邢台地区负荷预测所存在问题与改进方向 | 第18-19页 |
| 2.2 影响短期负荷预测的因素 | 第19-20页 |
| 2.2.1 内部因素 | 第19-20页 |
| 2.2.2 外部因素 | 第20页 |
| 2.3 短期负荷预测流程 | 第20-23页 |
| 2.3.1 获取历史数据 | 第21页 |
| 2.3.2 建立预测模型 | 第21-22页 |
| 2.3.3 预测结果误差分析 | 第22-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第3章 基于人工神经网络的短期负荷预测 | 第24-34页 |
| 3.1 BP神经网络的基本原理 | 第24页 |
| 3.2 BP神经网络的学习算法 | 第24-26页 |
| 3.3 负荷历史数据的修正 | 第26-28页 |
| 3.3.1 异常数据的判定 | 第27页 |
| 3.3.2 横向修正 | 第27页 |
| 3.3.3 纵向修正 | 第27-28页 |
| 3.4 历史数据的归一化 | 第28页 |
| 3.5 负荷预测模型输入输出的确定 | 第28-33页 |
| 3.5.1 负荷特性因素的量化 | 第28页 |
| 3.5.2 时间因素的量化 | 第28-29页 |
| 3.5.3 气象因素的量化 | 第29-33页 |
| 3.6 本章小结 | 第33-34页 |
| 第4章 电网短期负荷预测系统的开发 | 第34-45页 |
| 4.1 引言 | 第34页 |
| 4.2 系统开发平台介绍 | 第34-35页 |
| 4.2.1 Visual Basic.NET | 第34页 |
| 4.2.2 MATLAB | 第34-35页 |
| 4.3 预测系统设计思路 | 第35-36页 |
| 4.3.1 预测系统的需求 | 第35-36页 |
| 4.3.2 预测系统设计流程 | 第36页 |
| 4.4 预测系统的功能、特点及其具体的实现方式 | 第36-44页 |
| 4.4.1 预测参数设定 | 第37-38页 |
| 4.4.2 Visual Basic.NET和MATLAB混合编程与数据交互的实现 | 第38-40页 |
| 4.4.3 MATLAB预测程序的运行 | 第40-41页 |
| 4.4.4 预测数据的后期处理 | 第41-44页 |
| 4.5 本章小结 | 第44-45页 |
| 第5章 电网短期负荷预测系统在邢台地区的应用 | 第45-52页 |
| 5.1 历史数据 | 第45-49页 |
| 5.2 预测误差分析 | 第49-52页 |
| 第6章 总结与展望 | 第52-54页 |
| 参考文献 | 第54-58页 |
| 致谢 | 第58-59页 |
| 作者简介 | 第59页 |