| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 第一章 绪论 | 第8-15页 |
| 1.1 短期电力负荷预测的意义 | 第8页 |
| 1.2 短期电力负荷预测国内外研究现状 | 第8-13页 |
| 1.3 本文主要研究内容 | 第13-15页 |
| 第二章 电力负荷预测概论 | 第15-21页 |
| 2.1 电力负荷预测的基本概念 | 第15页 |
| 2.2 电力网络的负荷分类及其特性 | 第15-17页 |
| 2.3 电力负荷预测的分类及特点 | 第17-18页 |
| 2.4 电力负荷预测的一般过程 | 第18-19页 |
| 2.5 短期电力负荷预测的基本模型 | 第19-21页 |
| 第三章 短期电力负荷预测方法 | 第21-35页 |
| 3.1 短期电力负荷预测的传统方法 | 第21-26页 |
| 3.1.1 回归分析法 | 第21-22页 |
| 3.1.2 趋势外推法 | 第22-23页 |
| 3.1.3 时间序列法 | 第23-24页 |
| 3.1.4 相似日法 | 第24-26页 |
| 3.2 短期电力负荷预测的现代方法 | 第26-33页 |
| 3.2.1 人工神经网络法 | 第26-30页 |
| 3.2.2 模糊数学法 | 第30-32页 |
| 3.2.3 专家系统法 | 第32-33页 |
| 3.3 本章小结 | 第33-35页 |
| 第四章 青浦地区负荷特性分析及预测方法的选取 | 第35-42页 |
| 4.1 青浦地区负荷特性分析 | 第35-39页 |
| 4.2 用地性质分类分析与预测方法选取 | 第39-40页 |
| 4.3 预测方法选取小结 | 第40-42页 |
| 第五章 改进 BP 神经网络的短期电力负荷预测 | 第42-51页 |
| 5.1 神经网络和BP 算法的原理 | 第42-44页 |
| 5.2 BP 学习算法及其改进 | 第44-45页 |
| 5.3 Matlab 及人工神经网络工具箱 | 第45-46页 |
| 5.4 短期电力负荷预测建模及神经网络结构设计 | 第46-48页 |
| 5.5 负荷预测算法及实现 | 第48-49页 |
| 5.6 算法实现 | 第49-50页 |
| 5.7 算法优化 | 第50-51页 |
| 第六章 青浦地区短期电力负荷预测 | 第51-58页 |
| 6.1 基于改进神经网络的青浦地区短期电力负荷预测 | 第51-55页 |
| 6.1.1 青浦地区负荷特点分析 | 第51-52页 |
| 6.1.2 负荷预测准确率指标 | 第52页 |
| 6.1.3 改进神经网络负荷预测算法的实现 | 第52-55页 |
| 6.1.4 不同负荷预测算法的结果比较 | 第55页 |
| 6.2 节日期间的负荷预测 | 第55-57页 |
| 6.3 本章小结 | 第57-58页 |
| 第七章 结论 | 第58-59页 |
| 参考文献 | 第59-62页 |
| 致谢 | 第62-63页 |
| 攻读硕士学位期间已发表或录用的论文 | 第63-65页 |