基于神经网络的葫芦岛地区短期电力负荷预测方法研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-12页 |
| 1.1 课题背景及其意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.3 本文的主要工作内容 | 第11-12页 |
| 第2章 电力负荷预测的理论基础 | 第12-25页 |
| 2.1 电力负荷预测的概念、种类和特性 | 第12-15页 |
| 2.1.1 电力负荷预测的基本概念 | 第12-13页 |
| 2.1.2 电力负荷的规律 | 第13页 |
| 2.1.3 电力负荷的外在影响因素 | 第13-15页 |
| 2.1.4 电力负荷预测的基本特点 | 第15页 |
| 2.2 电力负荷预测的基本步骤与预测的误差分析 | 第15-18页 |
| 2.2.1 电力负荷预测的基本步骤 | 第15-16页 |
| 2.2.2 电力负荷预测的误差分析 | 第16-18页 |
| 2.3 电力负荷预测方法 | 第18-22页 |
| 2.3.1 各种电力负荷预测方法介绍 | 第18-21页 |
| 2.3.2 电力负荷预测方法的分类研究 | 第21-22页 |
| 2.4 葫芦岛地区用电特点分析 | 第22-24页 |
| 2.4.1 葫芦岛地区电网概况 | 第22页 |
| 2.4.2 葫芦岛地区日负荷特性分析 | 第22-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第3章 基于BP神经网络的电力负荷预测模型 | 第25-38页 |
| 3.1 BP神经网络相关理论 | 第25-29页 |
| 3.1.1 神经网络的概念 | 第25-26页 |
| 3.1.2 神经网络的一般模型 | 第26-27页 |
| 3.1.3 BP神经网络的定义及特点 | 第27-28页 |
| 3.1.4 BP神经网络结构设计 | 第28-29页 |
| 3.2 基于BP神经网络的电力负荷预测模型的建立 | 第29-34页 |
| 3.2.1 BP电力负荷预测的指标体系 | 第29-30页 |
| 3.2.2 样本选择与数据处理 | 第30-32页 |
| 3.2.3 电力负荷预测模型的建立 | 第32-34页 |
| 3.3 基于神经网络模糊推理电力负荷预测模型 | 第34-37页 |
| 3.3.1 气象和温度等样本处理 | 第35-37页 |
| 3.3.2 不定因素转化成BP神经网络的输入 | 第37页 |
| 3.4 本章小结 | 第37-38页 |
| 第4章 改进BP神经网络的预测能力 | 第38-45页 |
| 4.1 标准BP神经网络模型预测不精确原因 | 第38页 |
| 4.2 标准BP电力预测模型的改进 | 第38-41页 |
| 4.2.1 改进的思想及步骤 | 第39-40页 |
| 4.2.2 神经网络的学习算法 | 第40-41页 |
| 4.3 改进BP神经网络的电力负荷预测模型的建立 | 第41-42页 |
| 4.3.1 改进神经网络算法流程 | 第41-42页 |
| 4.3.2 改进BP神经网络模型的建立 | 第42页 |
| 4.4 改进BP神经模型的电力负荷预测模型 | 第42-44页 |
| 4.5 本章小结 | 第44-45页 |
| 第5章 结论 | 第45-46页 |
| 参考文献 | 第46-49页 |
| 作者简介 | 第49页 |
