石嘴山地区短期负荷预测算法研究
| 中文摘要 | 第1-5页 |
| 英文摘要 | 第5-9页 |
| 1 绪论 | 第9-18页 |
| ·引言 | 第9页 |
| ·问题的提出及研究意义 | 第9-11页 |
| ·负荷预测的内容和分类 | 第9-10页 |
| ·短期负荷预测的意义 | 第10-11页 |
| ·国内外研究现状 | 第11-16页 |
| ·本文研究的主要内容 | 第16-18页 |
| 2 石嘴山电网负荷特性分析 | 第18-28页 |
| ·年度负荷特性分析 | 第18-21页 |
| ·最大负荷和用电量 | 第18-19页 |
| ·年负荷曲线 | 第19-20页 |
| ·年持续负荷曲线 | 第20-21页 |
| ·月负荷特性分析 | 第21-25页 |
| ·月平均日负荷率及月最小日负荷率 | 第22-23页 |
| ·月不均衡系数 | 第23-25页 |
| ·典型日特性分析 | 第25-26页 |
| ·结论 | 第26-28页 |
| 3 基于BP与RBF级联神经网络的日负荷预测 | 第28-53页 |
| ·人工神经网络的特征及一般模型 | 第28-31页 |
| ·人工神经网络的特征 | 第29页 |
| ·人工神经网络的一般模型 | 第29-31页 |
| ·神经网络的基本学习方式及学习算法 | 第31-36页 |
| ·神经网络的基本学习方式 | 第31-32页 |
| ·神经网络的学习算法 | 第32-33页 |
| ·BP网络的基本计算 | 第33-35页 |
| ·RBF网络的基本计算 | 第35-36页 |
| ·RBF网络与BP网络之间的差别 | 第36-38页 |
| ·BP网络的不足之处 | 第36页 |
| ·RBF网络与BP网络的差别 | 第36页 |
| ·BP与RBF算例分析 | 第36-38页 |
| ·日负荷预测模型的建立 | 第38-43页 |
| ·对预测模型建立的几点思考 | 第38-39页 |
| ·神经网络模型拓扑结构分析 | 第39-41页 |
| ·对有关输入输出变量的处理 | 第41-43页 |
| ·神经网络模型的训练 | 第43-49页 |
| ·样本的选取 | 第43-44页 |
| ·样本数据的预处理 | 第44-45页 |
| ·网络模型的训练与测试 | 第45-49页 |
| ·日负荷预侧的计算实例与评估分析 | 第49-52页 |
| ·计算实例 | 第49-51页 |
| ·评估分析 | 第51-52页 |
| ·本章小结 | 第52-53页 |
| 4 基于灰色系统理论的周负荷预测 | 第53-60页 |
| ·灰色系统的特点 | 第53-54页 |
| ·灰色预测模型GM(1，1)的建模过程 | 第54-56页 |
| ·灰色预测误差检验 | 第56-57页 |
| ·GM(1，1)模型的改进 | 第57页 |
| ·等维新息灰色预测模型 | 第57-58页 |
| ·周负荷预测的计算实例 | 第58-59页 |
| ·本章小结 | 第59-60页 |
| 5 结论 | 第60-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-67页 |
