| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.2 国内外研究现状及发展动态分析 | 第10-13页 |
| 1.2.1 负荷影响因素研究现状与发展趋势 | 第10页 |
| 1.2.2 负荷特性与预测分类研究现状与发展趋势 | 第10-11页 |
| 1.2.3 负荷预测技术研究现状与发展趋势 | 第11-12页 |
| 1.2.4 考虑气象因素的负荷预测技术研究发展阶段与现状 | 第12-13页 |
| 1.3 研究内容和思路 | 第13-15页 |
| 1.4 论文创新点 | 第15-16页 |
| 第2章 母线负荷预测相关理论 | 第16-21页 |
| 2.1 母线负荷 | 第16页 |
| 2.2 母线负荷预测方法 | 第16-20页 |
| 2.2.1 一次指数平滑预测法 | 第16-17页 |
| 2.2.2 BP神经网络 | 第17-18页 |
| 2.2.3 RBF神经网络 | 第18-19页 |
| 2.2.4 支持向量机预测法 | 第19-20页 |
| 2.3 母线负荷预测应用 | 第20页 |
| 2.4 本章小结 | 第20-21页 |
| 第3章 负荷与气象因素之间的关联关系分析 | 第21-54页 |
| 3.1 负荷预测中气象因素的影响 | 第21页 |
| 3.2 方法和思路 | 第21-27页 |
| 3.2.1 母线负荷分解技术 | 第21-22页 |
| 3.2.2 关联关系分析方法 | 第22-26页 |
| 3.2.3 研究思路 | 第26-27页 |
| 3.3 区域电网母线负荷与气象因素关系分析 | 第27-34页 |
| 3.3.1 南京分区电网介绍 | 第27-28页 |
| 3.3.2 单气象因素关联分析 | 第28-32页 |
| 3.3.3 多气象因素关联分析 | 第32-34页 |
| 3.4 220kV变电站母线负荷与气象因素关系分析 | 第34-49页 |
| 3.4.1 中央门变电站简介 | 第34页 |
| 3.4.2 单气象因素关联分析 | 第34-45页 |
| 3.4.3 多气象因素关联分析 | 第45-49页 |
| 3.5 母线负荷预测中热累积效应分析 | 第49-52页 |
| 3.5.1 南京市热累积效益分析 | 第50-51页 |
| 3.5.2 变电站热累积效益分析 | 第51-52页 |
| 3.6 本章小结 | 第52-54页 |
| 第4章 多气象因素智能处理母线负荷预测模型 | 第54-77页 |
| 4.1 改进的粒子群优化BP方法 | 第54-63页 |
| 4.1.1 PSO-BP算法的输入层 | 第55-56页 |
| 4.1.2 PSO-BP算法的特点 | 第56页 |
| 4.1.3 实例验证 | 第56-63页 |
| 4.2 遗传算法改进的RBF方法 | 第63-73页 |
| 4.2.1 遗传算法优化的RBF神经网络 | 第63-66页 |
| 4.2.2 GA-RBF新模型在母线负荷短期预测中的应用 | 第66页 |
| 4.2.3 实例验证 | 第66-73页 |
| 4.3 多气象因素智能预测算法库及优选方案 | 第73-76页 |
| 4.3.1 温湿度PSO-BP智能预测算法 | 第73-74页 |
| 4.3.2 温湿度GA-RBF智能预测算法 | 第74-75页 |
| 4.3.3 温湿度与能见度GA-RBF智能预测算法 | 第75页 |
| 4.3.4 优选方案 | 第75-76页 |
| 4.4 本章小结 | 第76-77页 |
| 第5章 考虑气象突变的超短期母线负荷预测模型 | 第77-84页 |
| 5.1 气象突变的影响 | 第77页 |
| 5.2 方法和思路 | 第77-81页 |
| 5.2.1 基于模糊阂值法识别气象要素突变 | 第77-80页 |
| 5.2.2 日特征气象要素向量搜索相似日 | 第80页 |
| 5.2.3 方法流程 | 第80-81页 |
| 5.3 实例分析 | 第81-83页 |
| 5.4 本章小结 | 第83-84页 |
| 第6章 研究成果和结论 | 第84-85页 |
| 参考文献 | 第85-90页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第90-92页 |
| 致谢 | 第92页 |
