| 第一章 绪论 | 第1-16页 |
| ·课题研究的内容和意义 | 第7-9页 |
| ·电力系统负荷预测分类 | 第7-8页 |
| ·短期负荷预测的意义和要求 | 第8-9页 |
| ·输电网扩展规划的要求 | 第9页 |
| ·蚁群优化算法的基本原理及特点 | 第9-11页 |
| ·蚁群优化算法的应用简述 | 第11-15页 |
| ·蚁群优化算法在传统组合优化问题中的应用 | 第11-12页 |
| ·蚁群优化算法在通信和计算机领域内的应用 | 第12-13页 |
| ·蚁群优化算法在电力系统中的应用 | 第13-15页 |
| ·本文的主要工作 | 第15-16页 |
| 第二章 蚁群优化算法的模型及其简述 | 第16-23页 |
| ·基本蚂蚁系统模型及流程 | 第16-18页 |
| ·改进的蚁群优化方法 | 第18-23页 |
| 第三章 基于蚁群优化算法的短期负荷预测研究 | 第23-38页 |
| ·电力系统短期负荷预测方法的概述 | 第23-27页 |
| ·基于数理统计原理的负荷预测方法简述 | 第23-25页 |
| ·基于智能原理的负荷预测方法简述 | 第25-27页 |
| ·电力系统负荷预测的误差分析指标 | 第27页 |
| ·人工神经网络简介 | 第27-32页 |
| ·人工神经网络的发展历史 | 第27-28页 |
| ·人工神经网络的基本特性 | 第28-29页 |
| ·采用 S 型函数的前向多层神经网络模型 | 第29-30页 |
| ·前向三层神经网络结构及其逆推学习算法 | 第30-32页 |
| ·基于蚁群优化算法的神经网络训练 | 第32-34页 |
| ·基于蚁群优化算法的神经网络训练的基本过程 | 第32-33页 |
| ·ACOA 参数的选取 | 第33-34页 |
| ·基于蚁群优化算法的 RNN 模型构造 | 第34页 |
| ·仿真计算及预测结果比较 | 第34-38页 |
| ·预测模型基本数据 | 第34-36页 |
| ·两种模型日负荷预测精度及其性能分析 | 第36页 |
| ·ACOA-RNN 模型预测稳定性和适应性的分析 | 第36-38页 |
| 第四章 基于带扰动自适应蚁群优化算法的输电网络扩展规划 | 第38-49页 |
| ·输电网络规划概述 | 第38-44页 |
| ·输电网络规划问题概述 | 第38-39页 |
| ·输电网络规划问题的研究概况 | 第39-44页 |
| ·基于带扰动自适应ACOA 的输电网络扩展规划 | 第44-49页 |
| ·单阶段输电网络扩展规划数学模型 | 第44页 |
| ·基于带扰动自适应 ACOA 的输电网络扩展规划 | 第44-46页 |
| ·规划算例结果及分析 | 第46-49页 |
| 第五章 结论 | 第49-51页 |
| 参考文献 | 第51-56页 |
| 科研和论文发表情况 | 第56-57页 |
| 致谢 | 第57页 |