| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-15页 |
| ·本课题研究的背景与意义 | 第9-10页 |
| ·电力负荷预测概述 | 第10-11页 |
| ·电力负荷预测概念 | 第10页 |
| ·负荷预测的分类 | 第10-11页 |
| ·短期电力负荷预测的发展和现状 | 第11-13页 |
| ·短期电力负荷预测的发展过程 | 第11-12页 |
| ·短期电力负荷预测的研究现状 | 第12-13页 |
| ·本文的主要工作 | 第13-15页 |
| 第2章 电力负荷特性分析及预测原理 | 第15-31页 |
| ·电力负荷的组成 | 第15-16页 |
| ·电力负荷的内部规律 | 第16-17页 |
| ·负荷变化的周期性 | 第16-17页 |
| ·电力负荷的连续性 | 第17页 |
| ·电力负荷的外部特性 | 第17-20页 |
| ·电力负荷预测的基本模型和方法 | 第20-26页 |
| ·电力负荷预测分段原理 | 第26-27页 |
| ·电力负荷预测的误差分析指标 | 第27-29页 |
| ·本章小结 | 第29-31页 |
| 第3章 基于BP神经网络的短期电力负荷预测 | 第31-49页 |
| ·人工神经网络 | 第31-34页 |
| ·人工神经网络概述 | 第31页 |
| ·人工神经网络的基本特点 | 第31-32页 |
| ·人工神经网络在负荷预测中的应用 | 第32-33页 |
| ·人工神经网络的运作方式 | 第33-34页 |
| ·BP神经网络基本原理 | 第34-38页 |
| ·BP神经网络模型 | 第35-36页 |
| ·BP神经网络网络算法及学习过程 | 第36-38页 |
| ·基于BP神经网络的短期电力负荷预测模型 | 第38-42页 |
| ·网络模型输出层的选择 | 第39页 |
| ·网络模型输入层的选择 | 第39-40页 |
| ·训练样本的数据处理 | 第40-42页 |
| ·BP神经网络系统结构设计 | 第42-43页 |
| ·算例分析 | 第43-46页 |
| ·BP神经网络存在的问题及改进方法 | 第46-48页 |
| ·BP神经网络存在的问题 | 第46页 |
| ·优化神经网络预测模型的思路 | 第46-48页 |
| ·本章小结 | 第48-49页 |
| 第4章 基于改进PSO-BP神经网络的短期电力负荷预测 | 第49-65页 |
| ·粒子群(PSO)优化算法 | 第49-53页 |
| ·粒子群优化算法概述 | 第49页 |
| ·粒子群优化算法原理 | 第49-51页 |
| ·粒子群优化算法的流程 | 第51页 |
| ·粒子群优化算法的特点 | 第51-52页 |
| ·粒子的社会行为分析 | 第52-53页 |
| ·改进粒子群(MPSO)算法 | 第53-58页 |
| ·改进粒子群算法原理 | 第53-56页 |
| ·惯性权重法 | 第56-57页 |
| ·自适应模糊惯性权重法 | 第57-58页 |
| ·改进粒子群(MPSO)-BP神经网络混合算法实现 | 第58-60页 |
| ·算法设计 | 第58-59页 |
| ·改进粒子群(MPSO)-BP神经网络混合算法的实现 | 第59-60页 |
| ·基于改进粒子群(MPSO)-BP神经网络的短期负荷预测模型 | 第60页 |
| ·算例分析 | 第60-64页 |
| ·本章小结 | 第64-65页 |
| 第5章 结论与展望 | 第65-67页 |
| ·本文总结 | 第65页 |
| ·未来工作展望 | 第65-67页 |
| 参考文献 | 第67-71页 |
| 致谢 | 第71页 |
