基于模糊神经网络的短期负荷预测
| 摘要 | 第1-5页 |
| Abstract | 第5-7页 |
| 目录 | 第7-10页 |
| 第1章 引言 | 第10-29页 |
| ·课题的背景和意义 | 第10-13页 |
| ·电力系统负荷预测的分类及特点 | 第13-15页 |
| ·电力系统负荷预测的分类 | 第13-14页 |
| ·电力系统短期负荷预测的特点 | 第14-15页 |
| ·电力系统负荷预测的研究现状 | 第15-23页 |
| ·负荷预测的起源和发展 | 第15-16页 |
| ·研究现状 | 第16-23页 |
| ·负荷预测的基本原理 | 第23-25页 |
| ·我国电力系统负荷预测中存在的问题 | 第25-27页 |
| ·本文所作的工作 | 第27-29页 |
| 第2章 国内外负荷预测技术 | 第29-46页 |
| ·传统预测技术 | 第29-38页 |
| ·指数平滑法 | 第29-30页 |
| ·时间序列预测技术 | 第30-32页 |
| ·回归预测技术 | 第32-33页 |
| ·卡尔曼(Kalman)滤波法 | 第33-35页 |
| ·灰色预测技术 | 第35-38页 |
| ·对传统预测技术的总结 | 第38页 |
| ·智能化预测技术 | 第38-45页 |
| ·基于知识的专家系统 | 第38-41页 |
| ·人工神经网络 | 第41-43页 |
| ·模糊逻辑系统 | 第43-44页 |
| ·智能化预测技术的优势 | 第44-45页 |
| ·本章小结 | 第45-46页 |
| 第3章 神经网络和模糊神经网络基本理论 | 第46-64页 |
| ·神经网络及BP模型 | 第46-54页 |
| ·神经网络概述 | 第46-48页 |
| ·神经网络BP模型结构 | 第48-50页 |
| ·误差反向传播(BP)学习算法 | 第50-54页 |
| ·模糊系统概述 | 第54-59页 |
| ·模糊推理系统 | 第54-57页 |
| ·模糊系统的建立 | 第57-59页 |
| ·模糊神经网络 | 第59-64页 |
| ·模糊神经网络概述 | 第59-60页 |
| ·模型结构 | 第60-64页 |
| 第4章 短期负荷预测的模糊神经网络 | 第64-83页 |
| ·电力系统负荷的构成和特点 | 第64-69页 |
| ·电力系统负荷的构成 | 第64-65页 |
| ·电力系统负荷的特点 | 第65-68页 |
| ·影响负荷预测准确性的因素 | 第68-69页 |
| ·人工神经网络预测模型 | 第69-75页 |
| ·输入特征量的选取 | 第69-71页 |
| ·输入输出层设计 | 第71页 |
| ·隐层层数及节点数的确定 | 第71-72页 |
| ·神经网络结构的确定 | 第72-73页 |
| ·温度的量化 | 第73-74页 |
| ·降雨的量化 | 第74页 |
| ·日期类型的量化 | 第74-75页 |
| ·模糊神经网络预测模型 | 第75-83页 |
| ·短期负荷预测的模糊神经网络结构 | 第75-78页 |
| ·系统结构辨识 | 第78-81页 |
| ·节假日模型的构造 | 第81-83页 |
| 第5章 负荷预测结果与分析 | 第83-97页 |
| ·负荷数据的预处理方法 | 第83-84页 |
| ·预测结果与分析 | 第84-96页 |
| ·结论 | 第96-97页 |
| 第6章 结论与展望 | 第97-99页 |
| 参考文献 | 第99-103页 |
| 致谢 | 第103-104页 |
| 声明 | 第104-105页 |
| 在学期间发表的学术论文与研究成果 | 第105页 |
