| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 插图索引 | 第10-11页 |
| 附表索引 | 第11-12页 |
| 第1章 绪论 | 第12-20页 |
| ·课题研究的背景和意义 | 第12-13页 |
| ·负荷预测的基本概念 | 第13页 |
| ·影响负荷预测作用大小的因素 | 第13-14页 |
| ·国内外负荷预测技术研究现状 | 第14-19页 |
| ·负荷预测经验与经典技术方法 | 第14-15页 |
| ·负荷预测传统预测方法 | 第15-16页 |
| ·现代负荷预测方法 | 第16-19页 |
| ·本文研究内容 | 第19-20页 |
| 第2章 电力系统负荷预测的基本理论 | 第20-29页 |
| ·负荷预测的分类 | 第20页 |
| ·负荷预测的特点及基本原理 | 第20-22页 |
| ·负荷预测的基本步骤 | 第22-23页 |
| ·原始输入数据的预处理 | 第23-24页 |
| ·影响短期负荷预测精度因素的选择 | 第24-27页 |
| ·负荷预测的误差分析 | 第27-28页 |
| ·引起误差的因素 | 第27页 |
| ·常用的几种负荷预测误差分析方法 | 第27-28页 |
| ·小结 | 第28-29页 |
| 第3章 遗传 BP 神经网络法 | 第29-51页 |
| ·人工神经网络 | 第29-33页 |
| ·神经元的拓扑结构 | 第29-30页 |
| ·神经网络的学习规则 | 第30-33页 |
| ·BP 神经网络 | 第33-42页 |
| ·BP 神经网络模型 | 第33页 |
| ·BP 算法及改进 | 第33-36页 |
| ·BP 算法流程 | 第36页 |
| ·BP 神经网络的主要缺点及改进 | 第36-38页 |
| ·数据归一化 | 第38-41页 |
| ·算例分析 | 第41-42页 |
| ·遗传算法 | 第42-48页 |
| ·遗传算法的特点 | 第42-43页 |
| ·遗传算法的编码方式 | 第43页 |
| ·遗传算子 | 第43-46页 |
| ·适应度函数 | 第46页 |
| ·遗传参数设定 | 第46-48页 |
| ·遗传 BP 神经网络 | 第48-49页 |
| ·算例分析 | 第49-50页 |
| ·小结 | 第50-51页 |
| 第4章 基于主成分分析法的遗传 BP 神经网络模型 | 第51-68页 |
| ·主成分分析法 | 第51-55页 |
| ·主成分分析法的基本原理 | 第51-52页 |
| ·主成分分析方法的步骤 | 第52-54页 |
| ·PCA 分析结果 | 第54-55页 |
| ·基于 PCA-GABP 神经网络算法模型的短期负荷预测 | 第55-56页 |
| ·实例分析 | 第56-67页 |
| ·未考虑气象因素 | 第56-60页 |
| ·考虑气象因素 | 第60-67页 |
| ·小结 | 第67-68页 |
| 结论 | 第68-70页 |
| 参考文献 | 第70-73页 |
| 附录 A 攻读硕士学位期间所发表的学术论文目录 | 第73-74页 |
| 致谢 | 第74页 |