| 中文摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第一章 绪论 | 第8-20页 |
| ·本文的研究背景及意义 | 第8-9页 |
| ·国内外研究现状 | 第9-11页 |
| ·负荷预测原理介绍 | 第11-17页 |
| ·电力系统负荷预测的基本原理 | 第11-12页 |
| ·电力负荷预测的特性分析 | 第12-14页 |
| ·影响电力负荷预测准确性的因素分析 | 第14-16页 |
| ·电力负荷预测的操作步骤 | 第16-17页 |
| ·电力负荷预测的误差评价指标 | 第17-19页 |
| ·本文的主要结构 | 第19-20页 |
| 第二章 粒子群优化算法及其改进 | 第20-31页 |
| ·粒子群算法的介绍 | 第20页 |
| ·标准粒子群算法的简介 | 第20-24页 |
| ·标准粒子群算法的原理 | 第21-22页 |
| ·标准粒子群算法的流程 | 第22-23页 |
| ·标准粒子群算法的参数设置 | 第23-24页 |
| ·标准粒子群算法的惯性权重 | 第24页 |
| ·改进的粒子群优化算法(MPSO) | 第24-28页 |
| ·种群聚集度指数 | 第25页 |
| ·采用分布函数更新粒子 | 第25-27页 |
| ·动态惯性因子 | 第27-28页 |
| ·算法测试 | 第28-30页 |
| ·小结 | 第30-31页 |
| 第三章 基于粒子群优化算法的BP 神经网络 | 第31-42页 |
| ·人工神经网络 | 第31-32页 |
| ·BP 神经网络算法 | 第32-37页 |
| ·粒子群算法优化前向神经网络 | 第37-41页 |
| ·神经网络结构数学模型 | 第38-39页 |
| ·网络训练及结构优化 | 第39-40页 |
| ·算法步骤 | 第40-41页 |
| ·小结 | 第41-42页 |
| 第四章 基于PSO-BP 神经网络的短期电力负荷预测 | 第42-54页 |
| ·粒子群优化神经网络短期负荷预测模型的建立 | 第42-48页 |
| ·网络模型输出层的选择 | 第42页 |
| ·网络模型输入层的选择 | 第42-43页 |
| ·训练样本的数据预处理 | 第43-46页 |
| ·BP 神经网络系统结构设计 | 第46-48页 |
| ·基于BP 神经网络的短期电力负荷预测 | 第48-52页 |
| ·基于改进PSO-BP 神经网络的短期负荷预测模型 | 第52-53页 |
| ·小结 | 第53-54页 |
| 第五章 结论与展望 | 第54-55页 |
| 参考文献 | 第55-58页 |
| 攻读硕士学位期间发表的论文 | 第58-59页 |
| 致谢 | 第59-60页 |