基于BP神经网络的电力系统短期负荷预测
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 课题研究的背景及意义 | 第10-11页 |
| 1.1.1 课题研究的背景 | 第10-11页 |
| 1.1.2 课题研究的意义 | 第11页 |
| 1.2 国内外的研究现状 | 第11-13页 |
| 1.3 课题来源及研究内容 | 第13-15页 |
| 第2章 电力系统负荷预测方法的研究 | 第15-25页 |
| 2.1 电力负荷预测的分类和意义 | 第15-16页 |
| 2.2 负荷预测的基本过程 | 第16-18页 |
| 2.2.1 短期负荷的基本特征 | 第16-17页 |
| 2.2.2 历史数据的选择及整理 | 第17-18页 |
| 2.2.3 建立负荷预测模型 | 第18页 |
| 2.3 电力系统短期负荷预测的方法 | 第18-24页 |
| 2.3.1 传统经典预测方法 | 第18-22页 |
| 2.3.2 现代智能负荷预测方法 | 第22-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第3章 BP神经网络的改进 | 第25-36页 |
| 3.1 人工神经网络的基本特点 | 第25-27页 |
| 3.2 神经网络的构建和BP算法原理 | 第27-30页 |
| 3.2.1 神经网络的构建 | 第27-29页 |
| 3.2.2 BP算法原理 | 第29-30页 |
| 3.3 BP神经网络的缺陷及改进 | 第30-34页 |
| 3.4 本章小结 | 第34-36页 |
| 第4章 基于BP神经网络的短期电力负荷预测 | 第36-48页 |
| 4.1 BP神经网络的结构设计 | 第36-38页 |
| 4.2 数据处理 | 第38-40页 |
| 4.2.1 负荷数据的处理 | 第38页 |
| 4.2.2 气象数据的处理 | 第38-39页 |
| 4.2.3 数据归一化和反归一化处理 | 第39-40页 |
| 4.3 建立某地区电力系统的短期负荷预测模型 | 第40-47页 |
| 4.3.1 只考虑历史负荷影响的网络模型 | 第40-43页 |
| 4.3.2 考虑气象因素影响的网络模型 | 第43-44页 |
| 4.3.3 仿真和预测结果比较分析 | 第44-47页 |
| 4.4 本章小结 | 第47-48页 |
| 第5章 短期负荷预测系统的软件设计 | 第48-57页 |
| 5.1 调度自动化系统与负荷预测系统 | 第48-51页 |
| 5.2 短期负荷预测系统的设计原则 | 第51-53页 |
| 5.2.1 软件设计原则 | 第51页 |
| 5.2.2 负荷预测系统结构设计 | 第51-52页 |
| 5.2.3 负荷预测系统的运行和开发环境 | 第52-53页 |
| 5.3 短期负荷预测系统的主要功能界面介绍 | 第53-54页 |
| 5.4 短期负荷预测的程序设计 | 第54-56页 |
| 5.5 本章小结 | 第56-57页 |
| 结论 | 第57-58页 |
| 参考文献 | 第58-61页 |
| 攻读学位期间发表的学术论文 | 第61-62页 |
| 致谢 | 第62页 |
