在线超短期负荷预测的分析与应用
| 1 绪论 | 第1-14页 |
| 1．1 课题的目的和背景 | 第6-8页 |
| 1．2 国内外负荷预测的发展与现状 | 第8-13页 |
| 1．3 本文所做的工作 | 第13-14页 |
| 2 电力系统负荷预测分析 | 第14-24页 |
| 2．1 电力系统负荷的分类和特点 | 第14-17页 |
| 2．1．1 电力系统负荷的分类 | 第14-15页 |
| 2．1．2 电力系统负荷的特点 | 第15-17页 |
| 2．1．3 影响负荷预测准确性的因素 | 第17页 |
| 2．2 电力系统负荷的基本模型 | 第17-21页 |
| 2．3 负荷数据的预处理 | 第21-22页 |
| 2．3．1 不良数据的检测和处理 | 第21-22页 |
| 2．3．2 缺损数据的修补 | 第22页 |
| 2．3．3 其他处理方法 | 第22页 |
| 2．4 预测误差分析 | 第22-24页 |
| 3 在线超短期负荷预测模型 | 第24-47页 |
| 3．1 超短期负荷预测的基本模型 | 第24-25页 |
| 3．2 基于线性外推法的超短期负荷预测 | 第25-30页 |
| 3．2．1 预测原理 | 第25-26页 |
| 3．2．2 算例分析 | 第26-30页 |
| 3．3 人工神经网络概述 | 第30-39页 |
| 3．3．1 人工神经网络的基本特征和学习方式 | 第30-32页 |
| 3．3．2 BP网络 | 第32-37页 |
| 3．3．3 BP算法的不足 | 第37-38页 |
| 3．3．4 BP算法的改进 | 第38-39页 |
| 3．4 基于BP网络的超短期负荷预测 | 第39-47页 |
| 3．4．1 输入层神经元变量的选择 | 第40-41页 |
| 3．4．2 隐含层神经元数目的选择 | 第41-42页 |
| 3．4．3 输出层神经元的选取 | 第42页 |
| 3．4．4 神经元上的响应函数 | 第42页 |
| 3．4．5 预测过程 | 第42页 |
| 3．4．6 预测算例 | 第42-47页 |
| 4 在线超短期负荷预测的应用 | 第47-63页 |
| 4．1 现代电力系统的运行特点 | 第47页 |
| 4．2 国内外电网大停电事故 | 第47-48页 |
| 4．3 电力系统安全运行约束条件 | 第48-49页 |
| 4．4 负荷变化对电力系统安全运行的影响 | 第49-52页 |
| 4．5 在线超短期负荷预测的应用 | 第52-63页 |
| 4．5．1 在潮流计算中的应用 | 第52-59页 |
| 4．5．2 在安全分析中的应用 | 第59-63页 |
| 5 结束语 | 第63-64页 |
| 参考文献 | 第64-67页 |
| 攻读学位期间发表的论文 | 第67-68页 |
| 声明 | 第68-69页 |
| 致谢 | 第69页 |
