基于粒子群优化算法的短期电力负荷预测
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-16页 |
| ·选题的背景和意义 | 第10页 |
| ·粒子群算法研究现状 | 第10-12页 |
| ·粒子群优化算法的研究进展 | 第10-11页 |
| ·PSO 算法的应用 | 第11-12页 |
| ·电力负荷预测研究现状 | 第12-14页 |
| ·论文的主要研究内容 | 第14页 |
| ·论文的结构安排 | 第14-16页 |
| 第2章 电力负荷预测概述 | 第16-21页 |
| ·电力负荷预测概念和原理 | 第16-17页 |
| ·电力负荷预测基本概念 | 第16页 |
| ·电力负荷预测基本原理 | 第16-17页 |
| ·电力负荷预测的特点 | 第17页 |
| ·电力负荷预测作用大小因素 | 第17-18页 |
| ·电力负荷预测基本程序 | 第18-20页 |
| ·本章小结 | 第20-21页 |
| 第3章 电力负荷预测模型理论基础 | 第21-33页 |
| ·神经网络模型 | 第21-23页 |
| ·BP 神经网络 | 第21-22页 |
| ·BP 神经网络的优点和不足 | 第22-23页 |
| ·粒子群优化算法 | 第23-26页 |
| ·算法的基本原理 | 第23-24页 |
| ·粒子群优化算法的流程 | 第24页 |
| ·PSO 算法参数分析和设置 | 第24-25页 |
| ·粒子群优化算法的优点与不足 | 第25-26页 |
| ·小波分析理论 | 第26-32页 |
| ·小波变换基本理论 | 第26-28页 |
| ·小波包分析 | 第28-32页 |
| ·本章小结 | 第32-33页 |
| 第4章 基于粒子群优化算法的预测模型 | 第33-44页 |
| ·基于粒子优化算法的神经网络模型 | 第33-34页 |
| ·实验仿真 | 第34-43页 |
| ·秋季负荷预测 | 第34-38页 |
| ·夏季负荷预测 | 第38-43页 |
| ·本章小结 | 第43-44页 |
| 第5章 基于混合算法的预测模型 | 第44-53页 |
| ·混合算法 | 第44-45页 |
| ·混合算法的设计思想 | 第44-45页 |
| ·混合算法基本流程 | 第45页 |
| ·基于混合算法的神经网络模型 | 第45-46页 |
| ·实验仿真 | 第46-52页 |
| ·秋季负荷预测 | 第46-49页 |
| ·夏季负荷预测 | 第49-52页 |
| ·本章小结 | 第52-53页 |
| 第6章 基于最优小波包预处理的预测方法 | 第53-62页 |
| ·最优小波包预处理 | 第53页 |
| ·最优小波包预处理基本思想 | 第53页 |
| ·最优小波包预处理基本步骤 | 第53页 |
| ·基于最优小波预处理的预测流程 | 第53-54页 |
| ·实验仿真 | 第54-61页 |
| ·秋季负荷预测 | 第54-58页 |
| ·夏季负荷预测 | 第58-61页 |
| ·本章小结 | 第61-62页 |
| 总结与展望 | 第62-64页 |
| 参考文献 | 第64-69页 |
| 致谢 | 第69-70页 |
| 附录 A 攻读学位期间所发表的学术论文目录 | 第70页 |
