首页--工业技术论文--电工技术论文--输配电工程、电力网及电力系统论文--理论与分析论文--电力系统规划论文

基于ARIMA-BPNN的负荷预测方法研究与应用

摘要第4-6页
Abstract第6-7页
第一章 绪论第14-22页
    1.1 课题来源第14页
    1.2 课题的研究背景与意义第14-15页
    1.3 电力负荷预测方法的国内外研究现状第15-18页
        1.3.1 国内研究现状第16-17页
        1.3.2 国外研究现状第17-18页
    1.4 论文结构及创新性第18-22页
        1.4.1 论文结构第18-20页
        1.4.2 论文的创新性第20-22页
第二章 电力负荷预测的概念和方法第22-28页
    2.1 电力负荷的分类第22-23页
    2.2 电力负荷预测的影响因素分析第23页
    2.3 电力负荷预测的基本方法第23-26页
        2.3.1 传统预测法概述第24-25页
        2.3.2 现代预测法概述第25-26页
    2.4 负荷预测的基本步骤第26-27页
    2.5 本章小结第27-28页
第三章 ARIMA和BP神经网络的算法理论第28-42页
    3.1 基于ARIMA的时间序列分析算法第28-34页
        3.1.1 ARIMA理论概述第28-29页
        3.1.2 建立ARIMA模型的方法步骤第29-34页
    3.2 BP神经网络算法第34-39页
        3.2.1 BP神经网络算法概述第34-36页
        3.2.2 建立BP神经网络模型的方法步骤第36-39页
    3.3 基于ARIMA和BP神经网络的预测算法第39-41页
        3.3.1 基于ARIMA和BP神经网络的预测算法概述第39-40页
        3.3.2 基于ARIMA和BP神经网络的预测算法建模过程第40-41页
    3.4 本章小结第41-42页
第四章 电力负荷预测系统架构第42-49页
    4.1 系统特点第42页
    4.2 系统总体架构第42-43页
    4.3 数据处理流程第43-48页
        4.3.1 数据采集第44-45页
        4.3.2 数据存取第45-46页
        4.3.3 数据预处理第46-47页
        4.3.4 负荷预测算法模块第47-48页
    4.4 本章小结第48-49页
第五章 基于ARIMA-BP神经网络的负荷预测研究第49-69页
    5.1 基于ARIMA模型的负荷预测第49-57页
        5.1.1 负荷数据的平稳化第49-52页
        5.1.2 ARIMA模型的识别和检验第52-55页
        5.1.3 ARIMA模型相关训练参数汇总第55-56页
        5.1.4 基于ARIMA(2,1,1)预测模型的居民小区周负荷预测结果分析第56-57页
    5.2 基于BP神经网络的误差修正第57-61页
        5.2.1 BP神经网络训练样本集的确定第57页
        5.2.2 BP神经网络结构设计第57-59页
        5.2.3 BP神经网络拟合效果第59-61页
    5.3 基于ARIMA-BPNN组合模型的预测结果及对比分析第61-68页
        5.3.1 ARIMA-BPNN组合模型的预测结果第61-62页
        5.3.2 预测效果对比分析第62-66页
        5.3.3 模型预测性能评价第66-68页
    5.4 本章小结第68-69页
结论与展望第69-71页
参考文献第71-75页
攻读学位期间发表论文第75-77页
致谢第77页

论文共77页,点击 下载论文
上一篇:小水电上网功率因数考核优化方法
下一篇:变电站UPS维护监测系统研究与开发