基于PSO混沌神经网络电力系统负荷预测
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 绪论 | 第9-14页 |
| 第一章 电力系统负荷预测分析 | 第14-22页 |
| ·负荷预测的概念及分类 | 第14页 |
| ·负荷预测的特点 | 第14-15页 |
| ·电力负荷预测的基本原理 | 第15-16页 |
| ·负荷预测的步骤 | 第16-17页 |
| ·电力系统负荷预测的主要方法 | 第17-20页 |
| ·负荷预测的经典理论方法 | 第17-18页 |
| ·负荷预测的人工智能方法 | 第18-20页 |
| ·电力负荷的混沌特性 | 第20-21页 |
| ·本章小结 | 第21-22页 |
| 第二章 混沌神经网络研究 | 第22-31页 |
| ·生物神经元模型 | 第22-23页 |
| ·人工神经网络 | 第23-27页 |
| ·人工神经网络概念 | 第23-25页 |
| ·BP 人工神经网络原理 | 第25-26页 |
| ·BP 人工神经网络的改进 | 第26-27页 |
| ·混沌神经网络基本原理 | 第27-30页 |
| ·混沌动力学简介 | 第27页 |
| ·混沌神经网络模型 | 第27-29页 |
| ·混沌神经网络的应用 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 第三章 粒子群-混沌神经网络混合预测 | 第31-38页 |
| ·粒子群优化算法 | 第31-36页 |
| ·粒子群优化算法的基本原理 | 第31-33页 |
| ·基本粒子群优化算法描述 | 第33-34页 |
| ·改进粒子群优化算法描述 | 第34-35页 |
| ·改进粒子群优化算法MPSO | 第35-36页 |
| ·利用粒子群优化混沌神经网络 | 第36-37页 |
| ·本章小结 | 第37-38页 |
| 第四章 基于粒子群混沌神经网络的负荷预测 | 第38-51页 |
| ·基于粒子群神经网络的负荷预测模型的建立 | 第38页 |
| ·网络输入样本的研究 | 第38-40页 |
| ·输入样本的选取 | 第38-39页 |
| ·负荷数据归一化 | 第39页 |
| ·影响负荷因素的分析 | 第39-40页 |
| ·日负荷预测 | 第40-46页 |
| ·程序实现 | 第40-42页 |
| ·算法分析 | 第42页 |
| ·日负荷预测仿真结果 | 第42-45页 |
| ·算法的比较 | 第45-46页 |
| ·月负荷预测 | 第46-50页 |
| ·负荷模型 | 第46-47页 |
| ·月负荷预测仿真结果 | 第47-50页 |
| ·算法的比较 | 第50页 |
| ·本章小结 | 第50-51页 |
| 结论 | 第51-52页 |
| 参考文献 | 第52-55页 |
| 发表文章目录 | 第55-56页 |
| 致谢 | 第56-58页 |
| 详细摘要 | 第58-62页 |
