| 中文摘要 | 第1-3页 |
| 英文摘要 | 第3-6页 |
| 第一章 绪论 | 第6-14页 |
| 1．1 短期负荷预测的意义和目的 | 第6-8页 |
| 1．2 国内外短期负荷预测研究情况综述 | 第8-12页 |
| 1．2．1 电力系统短期负荷预测的研究现状 | 第8-11页 |
| 1．2．2 神经网络应用于短期负荷预测的研究现状 | 第11-12页 |
| 1．3 本论文的主要工作 | 第12-14页 |
| 第二章 负荷预测原理 | 第14-28页 |
| 2．1 负荷预测的分类及特性 | 第14-17页 |
| 2．1．1 负荷预测的分类 | 第14-16页 |
| 2．1．2 负荷预测的特点 | 第16-17页 |
| 2．2 短期负荷特性分析 | 第17-25页 |
| 2．2．1 短期负荷特性概述 | 第17-19页 |
| 2．2．2 典型负荷分量的特性 | 第19-21页 |
| 2．2．3 天气敏感负荷分量的特性 | 第21-23页 |
| 2．2．4 随机负荷分量的特性 | 第23页 |
| 2．2．5 规范化的处理相关因素 | 第23-25页 |
| 2．3 负荷预测的特点和原理 | 第25-28页 |
| 2．3．1 负荷预测的特点 | 第25-26页 |
| 2．3．2 负荷预测的原理 | 第26-28页 |
| 第三章 人工神经网络基础 | 第28-37页 |
| 3．1 人工神经网络的发展历史 | 第28-29页 |
| 3．2 人工神经网络的概念 | 第29-32页 |
| 3．2．1 大脑神经细胞的结构和作用原理 | 第29-30页 |
| 3．2．2 组成ANN的基本单元--神经元 | 第30-31页 |
| 3．2．3 人工神经网络的运作方式 | 第31-32页 |
| 3．3 人工神经网络的特性 | 第32-35页 |
| 3．3．1 信息的分布存储 | 第32-33页 |
| 3．3．2 大规模并行处理能力 | 第33-34页 |
| 3．3．3 人工神经网络具有自学习和自适应能力 | 第34页 |
| 3．3．4 人工神经网络软件仿真的意义 | 第34-35页 |
| 3．4 人工神经网络在电力系统的应用 | 第35-37页 |
| 第四章 人工神经网络模型 | 第37-56页 |
| 4．1 神经网络的基本原理 | 第37-39页 |
| 4．1．1 人工神经元模型 | 第37-38页 |
| 4．1．2 神经网络模型 | 第38-39页 |
| 4．1．3 神经网络的学习 | 第39页 |
| 4．2 神经网络的BP模型 | 第39-42页 |
| 4．3 人工神经网络法应用于短期负荷预测 | 第42-50页 |
| 4．3．1 神经网络的结构 | 第44-46页 |
| 4．3．2 基于模式识别中的聚类原理选取训练样本 | 第46页 |
| 4．3．3 历史数据处理 | 第46-47页 |
| 4．3．4 神经网络的学习过程 | 第47-48页 |
| 4．3．5 人工神经网络法用于负荷预测的算例分析 | 第48-50页 |
| 4．4 指数平滑法用于负荷预测 | 第50-56页 |
| 4．4．1 一次指数平滑法 | 第50-51页 |
| 4．4．2 一次指数平滑法负荷预测算例分析 | 第51-53页 |
| 4．4．3 一次指数平滑法与人工神经网络法预测结果分析 | 第53-56页 |
| 第五章 组合预测法与算例分析 | 第56-64页 |
| 5．1 组合预测法 | 第56-59页 |
| 5．1．1 组合预测模型 | 第56-57页 |
| 5．1．2 权重的确定 | 第57-59页 |
| 5．2 组合预测模型算例分析 | 第59-64页 |
| 第六章 软件实现 | 第64-70页 |
| 6．1 开发环境的选择和介绍 | 第64-65页 |
| 6．2 软件特点和程序实现 | 第65-69页 |
| 6．3 程序的执行过程 | 第69-70页 |
| 第七章 结论 | 第70-72页 |
| 致谢 | 第72-73页 |
| 参考文献 | 第73-75页 |