| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 1 绪论 | 第11-17页 |
| 1.1 课题研究的背景和意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 人工神经网络 | 第12-13页 |
| 1.2.2 电力负荷预测与分配的研究现状 | 第13-15页 |
| 1.3 本文研究的主要内容 | 第15-17页 |
| 2 电力负荷预测和分配的基本理论 | 第17-21页 |
| 2.1 电力负荷预测的基本理论 | 第17-19页 |
| 2.1.1 电力负荷预测的概念 | 第17页 |
| 2.1.2 电力负荷预测的分类 | 第17-18页 |
| 2.1.3 电力负荷预测的特点及过程 | 第18-19页 |
| 2.2 电力负荷分配的概念与算法 | 第19-20页 |
| 2.3 本章小结 | 第20-21页 |
| 3 反馈型神经网络与扩展Kalman滤波 | 第21-42页 |
| 3.1 递归神经网络 | 第21-27页 |
| 3.1.1 递归神经网络的概念与基本原理 | 第21-23页 |
| 3.1.2 Elman神经网络 | 第23-24页 |
| 3.1.3 Jordan神经网络 | 第24-26页 |
| 3.1.4 Boltzmann机人工神经网络 | 第26-27页 |
| 3.2 Hopfield型神经网络 | 第27-39页 |
| 3.2.1 Hopfield神经网络 | 第27-31页 |
| 3.2.2 暂态混沌神经网络 | 第31-34页 |
| 3.2.3 噪声混沌神经网络 | 第34-35页 |
| 3.2.4 迟滞混沌神经网络 | 第35-39页 |
| 3.3 扩展Kalman滤波 | 第39-41页 |
| 3.4 本章小结 | 第41-42页 |
| 4 基于Kalman滤波训练的递归神经网络模型的电力负荷预测 | 第42-53页 |
| 4.1 电力系统负荷预测模型概述 | 第42页 |
| 4.2 EKF—Elman模型 | 第42-46页 |
| 4.3 EKF—Elman模型在电力负荷预测问题上的应用 | 第46-52页 |
| 4.3.1 利用梯度下降法进行负荷预测 | 第46-47页 |
| 4.3.2 利用扩展卡尔曼滤波训练Elman神经网络进行负荷预测 | 第47-52页 |
| 4.4 本章小结 | 第52-53页 |
| 5 迟滞噪声混沌神经网络模型在电力负荷分配中的应用 | 第53-64页 |
| 5.1 电力系统负荷分配问题数学模型 | 第53-54页 |
| 5.1.1 目标函数 | 第53页 |
| 5.1.2 约束条件 | 第53-54页 |
| 5.1.3 阀点效应 | 第54页 |
| 5.2 HNCNN-ELD模型 | 第54-55页 |
| 5.3 仿真算例 | 第55-63页 |
| 5.4 本章小结 | 第63-64页 |
| 结论 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 攻读硕士学位期间发表学术论文情况 | 第69-70页 |
| 致谢 | 第70-71页 |
