潮州电网短期负荷预测研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-12页 |
| 1.1 负荷预测的重要性 | 第9页 |
| 1.2 国内外短期负荷预测研究现状 | 第9-11页 |
| 1.3 课题研究内容和基本框架 | 第11-12页 |
| 第2章 电力系统短期负荷预测概述 | 第12-22页 |
| 2.1 电力系统负荷预测类型 | 第12页 |
| 2.2 电力系统短期负荷预测的特点 | 第12-13页 |
| 2.3 电力系统短期负荷预测基本原理 | 第13页 |
| 2.4 电力系统短期负荷预测的基本过程 | 第13-14页 |
| 2.5 有效数据的筛选及汇总 | 第14-15页 |
| 2.6 电力负荷短期预测误差分析 | 第15-17页 |
| 2.6.1 误差产生的原因 | 第16页 |
| 2.6.2 误差表示和分析方法 | 第16-17页 |
| 2.7 常用的预测方法 | 第17-21页 |
| 2.7.1 时间序列法 | 第17-18页 |
| 2.7.2 神经网络模型 | 第18-19页 |
| 2.7.3 灰色理论预测模型 | 第19-20页 |
| 2.7.4 小波变换预测模型 | 第20-21页 |
| 2.8 本章小结 | 第21-22页 |
| 第3章 基于改进型人工神经网络算法的短期负荷预测 | 第22-31页 |
| 3.1 小波变换理论基础 | 第22-23页 |
| 3.1.1 小波变换原理 | 第22页 |
| 3.1.2 小波变换应用于负荷预测的设想 | 第22-23页 |
| 3.2 人工神经网络的概述 | 第23-28页 |
| 3.2.1 人工神经网络特点 | 第23-24页 |
| 3.2.2 BP神经网络概述 | 第24-25页 |
| 3.2.3 BP神经网络模型 | 第25-28页 |
| 3.2.4 算法改进 | 第28页 |
| 3.3 小波神经网络预测方法 | 第28-30页 |
| 3.3.1 小波多尺度分析 | 第28-29页 |
| 3.3.2 小波神经网络预测方法 | 第29-30页 |
| 3.4 本章小结 | 第30-31页 |
| 第4章 潮州电网短期负荷预测实例 | 第31-49页 |
| 4.1 潮州负荷特性分析 | 第31-34页 |
| 4.2 基于经验负荷预测方法 | 第34-36页 |
| 4.3 潮州电网短期负荷预测实例 | 第36-45页 |
| 4.4 预测效果检验 | 第45-47页 |
| 4.5 本章小结 | 第47-49页 |
| 第5章 结论与展望 | 第49-51页 |
| 5.1 结论 | 第49页 |
| 5.2 展望 | 第49-51页 |
| 参考文献 | 第51-54页 |
| 攻读硕士期间发表论文及其他成果 | 第54-55页 |
| 致谢 | 第55-56页 |
| 作者简介 | 第56页 |
