| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-17页 |
| ·选题背景及研究意义 | 第10-11页 |
| ·国内外负荷建模的发展和研究现状 | 第11-16页 |
| ·国内外负荷建模的发展 | 第11-12页 |
| ·负荷模型的结构与分类 | 第12-13页 |
| ·负荷模型的参数辨识方法 | 第13-14页 |
| ·实用化负荷建模方法研究 | 第14-16页 |
| ·本文的研究内容 | 第16-17页 |
| 第二章 负荷特性聚类研究 | 第17-31页 |
| ·聚类分析引入的意义及理论依据 | 第17-18页 |
| ·聚类方法介绍 | 第18-24页 |
| ·模糊C 均值聚类 | 第19-21页 |
| ·系统聚类法 | 第21-22页 |
| ·基于等价关系的聚类方法 | 第22-23页 |
| ·灰色关联度聚类法 | 第23-24页 |
| ·二次聚类思路 | 第24-25页 |
| ·负荷特性二次聚类实例 | 第25-29页 |
| ·聚类实例 | 第25-28页 |
| ·结果分析与讨论 | 第28-29页 |
| ·小结 | 第29-31页 |
| 第三章 神经网络与遗传算法理论基础 | 第31-43页 |
| ·人工神经网络概述 | 第31-34页 |
| ·人工神经网络的发展史 | 第31页 |
| ·人工神经网络的特点 | 第31-32页 |
| ·人工神经网络的构成 | 第32-34页 |
| ·BP 神经网络概述 | 第34-37页 |
| ·BP 神经网络的定义 | 第34-35页 |
| ·BP 网络的正向传播 | 第35-36页 |
| ·BP 网络的反向传播 | 第36-37页 |
| ·BP 学习算法的不足和改进 | 第37-38页 |
| ·BP 算法的不足 | 第37页 |
| ·BP 学习算法的改进 | 第37-38页 |
| ·遗传算法 | 第38-42页 |
| ·遗传算法的原理和特点 | 第38-39页 |
| ·遗传算法的设计及运行参数 | 第39-41页 |
| ·遗传算法的实现步骤 | 第41-42页 |
| ·小结 | 第42-43页 |
| 第四章 基于实数编码的遗传算法优化BP 神经网络的负荷建模 | 第43-56页 |
| ·人工神经网络在负荷建模中的应用 | 第43-44页 |
| ·基于实数编码的遗传算法对 BP 神经网络优化 | 第44-48页 |
| ·BP 网络与非机理负荷模型 | 第44-45页 |
| ·BP 网络的结构设计 | 第45-46页 |
| ·基于实数编码的GA-BP 算法的实现过程及参数设置 | 第46-48页 |
| ·仿真实例及结果分析 | 第48-54页 |
| ·仿真实例 | 第48-53页 |
| ·结果分析 | 第53-54页 |
| ·GA-BP 负荷模型分析与讨论 | 第54-55页 |
| ·小结 | 第55-56页 |
| 总结与展望 | 第56-58页 |
| 参考文献 | 第58-63页 |
| 致谢 | 第63-64页 |
| 附录A 攻读学位期间发表的论文情况 | 第64页 |