| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 1 绪论 | 第8-16页 |
| ·本文研究的背景及意义 | 第8-11页 |
| ·世界电力市场化改革的现状与发展 | 第8-10页 |
| ·我国电力市场化改革的现状与发展 | 第10-11页 |
| ·本文研究的目的和意义 | 第11页 |
| ·国内外研究现状 | 第11-16页 |
| ·发电公司报价策略的研究现状 | 第11-13页 |
| ·电价预测研究现状 | 第13-15页 |
| ·本文的主要目的和内容 | 第15-16页 |
| 2 电价与电价预测 | 第16-25页 |
| ·电力市场下的电价 | 第16-18页 |
| ·电价的形成 | 第16页 |
| ·影响电价的因素 | 第16-18页 |
| ·短期边际电价理论 | 第18-19页 |
| ·边际电价机制原理 | 第18页 |
| ·短期边际电价的定价过程 | 第18-19页 |
| ·电价预测 | 第19-23页 |
| ·电价预测的特点及分类 | 第19-22页 |
| ·电价预测的意义 | 第22-23页 |
| ·提高预测精度的方法 | 第23页 |
| ·本章小结 | 第23-25页 |
| 3 基于粒子群优化的BP神经网络 | 第25-34页 |
| ·BP神经网络简介 | 第25-29页 |
| ·人工神经网络的特点和基本原理 | 第25-26页 |
| ·BP神经网络与BP学习算法 | 第26-27页 |
| ·人工神经网络用于电价预测 | 第27页 |
| ·BP神经网络的主要不足与改进 | 第27-29页 |
| ·粒子群算法 | 第29-30页 |
| ·粒子群优化的BP神经网络 | 第30-33页 |
| ·算法设计 | 第31-32页 |
| ·算法实现 | 第32-33页 |
| ·本章小结 | 第33-34页 |
| 4 基于粒子群—BP神经网络的短期电价预测 | 第34-44页 |
| ·数据的选取和预处理 | 第34页 |
| ·模型的建立 | 第34-36页 |
| ·程序实现 | 第36页 |
| ·预测实例及结果分析 | 第36-43页 |
| ·本章小结 | 第43-44页 |
| 5 引入相关系数的边际电价预测模型 | 第44-63页 |
| ·相关分析概述 | 第44-46页 |
| ·相关分析的数据要求 | 第45-46页 |
| ·相关系数及其算法 | 第46页 |
| ·电价与负荷的相关性 | 第46-48页 |
| ·电价相对平稳时的分析 | 第47-48页 |
| ·电价波动较大时的分析 | 第48页 |
| ·引入相关系数的预测模型 | 第48-56页 |
| ·模型结构 | 第48-49页 |
| ·参数设置 | 第49-50页 |
| ·预测实例 | 第50-56页 |
| ·粒子群—BP神经网络模型与其他模型的比较 | 第56-62页 |
| ·粒子群—BP神经网络模型与混沌理论模型的比较 | 第56-59页 |
| ·粒子群—BP神经网络模型与灰色理论模型的比较 | 第59-62页 |
| ·本章小结 | 第62-63页 |
| 6 电力市场环境下基于电价预测的水电厂报价策略研究 | 第63-71页 |
| ·基于预测电价的报价策略模型 | 第63-64页 |
| ·遗传算法模型介绍 | 第64-66页 |
| ·模型实现 | 第66-68页 |
| ·报价策略实现流程 | 第66页 |
| ·遗传算法的实现 | 第66-68页 |
| ·实际算例和结果分析 | 第68-70页 |
| ·本章小结 | 第70-71页 |
| 7 结论与展望 | 第71-73页 |
| ·本文结论 | 第71-72页 |
| ·展望 | 第72-73页 |
| 致谢 | 第73-74页 |
| 参考文献 | 第74-77页 |
| 发表论文 | 第77页 |