考虑实时气象因素的电力系统短期负荷预测
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 课题的研究背景和意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 短期负荷预测方法 | 第10-12页 |
| 1.2.2 考虑气象因素时的短期负荷预测 | 第12-13页 |
| 1.3 本文的主要工作及其研究的内容 | 第13-14页 |
| 第二章 电力系统负荷特性分析与数据处理 | 第14-23页 |
| 2.1 电力系统负荷分类 | 第14-16页 |
| 2.1.1 电力系统负荷分类 | 第14-16页 |
| 2.1.2 指标选取 | 第16页 |
| 2.2 短期负荷特性分析 | 第16-21页 |
| 2.2.1 负荷分解 | 第17-18页 |
| 2.2.2 基础负荷分量的特性 | 第18-19页 |
| 2.2.3 气象敏感负荷分量的特性 | 第19-20页 |
| 2.2.4 特别事件负荷分量的特性 | 第20-21页 |
| 2.2.5 随机负荷分量的特性 | 第21页 |
| 2.3 负荷数据预处理技术 | 第21-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第三章 基于人工神经网络的短期负荷预测 | 第23-35页 |
| 3.1 人工神经网络基础理论 | 第23-26页 |
| 3.2 BP神经网络的改进 | 第26-28页 |
| 3.2.1 附加动量法 | 第26-27页 |
| 3.2.2 自适应学习速率 | 第27-28页 |
| 3.2.3 动量-自适应学习速率调整算法 | 第28页 |
| 3.3 BP神经网络的建模 | 第28-29页 |
| 3.3.1 正向建模 | 第28页 |
| 3.3.2 逆向建模 | 第28-29页 |
| 3.4 短期负荷预测模型及实现 | 第29-34页 |
| 3.4.1 负荷预测适应性分析 | 第29-30页 |
| 3.4.2 输入/输出向量设计 | 第30页 |
| 3.4.3 BP网络设计 | 第30-31页 |
| 3.4.4 BP网络训练 | 第31-32页 |
| 3.4.5 预测结果分析 | 第32-34页 |
| 3.5 本章小结 | 第34-35页 |
| 第四章 考虑实时气象因素的短期负荷预测模型 | 第35-45页 |
| 4.1 气象因素的修正 | 第35-38页 |
| 4.1.1 气象预报温度修正 | 第35-37页 |
| 4.1.2 温度累积效应下的温度修正 | 第37页 |
| 4.1.3 湿度的相关性修正 | 第37-38页 |
| 4.2 基于实时气象因素的相似日选取 | 第38-41页 |
| 4.2.1 影响相似日的因素 | 第38页 |
| 4.2.2 相似系数计算 | 第38-39页 |
| 4.2.3 结合实时气象因素的相似日选取 | 第39-41页 |
| 4.3 考虑实时气象因素的多元非线性回归预测模型 | 第41-42页 |
| 4.4 算例分析 | 第42-44页 |
| 4.5 本章小结 | 第44-45页 |
| 第五章 结论与展望 | 第45-46页 |
| 参考文献 | 第46-50页 |
| 致谢 | 第50-51页 |
| 作者简介 | 第51页 |
