| 摘要 | 第1-4页 |
| Abstract | 第4-9页 |
| 第一章 绪论 | 第9-16页 |
| ·课题的研究背景及意义 | 第9-11页 |
| ·我国电力工业发展的历史与现状 | 第9-10页 |
| ·电力短期负荷预测系统研究的意义 | 第10-11页 |
| ·国内外的研究现状 | 第11-14页 |
| ·电力系统短期负荷预测的方法 | 第11-13页 |
| ·神经网络应用于短期负荷预测的研究现状 | 第13-14页 |
| ·本课题的主要工作 | 第14页 |
| ·课题所用工具的选择 | 第14-16页 |
| ·操作系统 | 第15页 |
| ·数据库 | 第15页 |
| ·神经网络仿真 | 第15页 |
| ·软件系统分析设计 | 第15页 |
| ·软件开发 | 第15-16页 |
| 第二章 人工神经网络原理 | 第16-27页 |
| ·人工神经网络的基本概念及特点 | 第16-17页 |
| ·人工神经网络的概念 | 第16页 |
| ·人工神经网络的特点 | 第16-17页 |
| ·人工神经网络原理 | 第17-20页 |
| ·生物神经元结构及工作原理 | 第17-18页 |
| ·人工神经元模型 | 第18-20页 |
| ·人工神经网络模型与分类 | 第20-22页 |
| ·单层神经网络 | 第20-22页 |
| ·多层神经网络 | 第22页 |
| ·人工神经网络的学习 | 第22-23页 |
| ·人工神经网络的分类 | 第23页 |
| ·BP神经网络 | 第23-27页 |
| ·BP神经网络的模型和结构 | 第23-24页 |
| ·BP学习规则 | 第24-26页 |
| ·BP网络的训练过程 | 第26-27页 |
| 第三章 基于人工神经网络的短期电力负荷预测模型分析 | 第27-37页 |
| ·电力系统短期负荷预测 | 第27-28页 |
| ·影响电力系统短期负荷的主要因素 | 第27页 |
| ·人工神经网络在电力系统短期负荷预测中的作用 | 第27-28页 |
| ·用于电力系统短期负荷预测的人工神经网络模型 | 第28-37页 |
| ·BP神经网络的设计 | 第28-30页 |
| ·输出层神经元的数目 | 第29页 |
| ·隐含层神经元的数目 | 第29-30页 |
| ·样本数据的处理 | 第30-32页 |
| ·负荷数据的归一化 | 第30页 |
| ·温度的量化 | 第30页 |
| ·天气的量化 | 第30-31页 |
| ·日期类型的量化 | 第31页 |
| ·样本数据预处理 | 第31-32页 |
| ·预测实例 | 第32-37页 |
| ·单日预测结果 | 第32-35页 |
| ·连续日预测结果 | 第35-37页 |
| 第四章 电力短期负荷预测系统分祈 | 第37-46页 |
| ·概述 | 第37页 |
| ·业务建模 | 第37-39页 |
| ·系统的需求分析 | 第39-43页 |
| ·负荷预测系统的性能需求分析 | 第39-40页 |
| ·负荷预测系统的功能需求描述 | 第40-41页 |
| ·神经网络创建 | 第40页 |
| ·神经网络训练 | 第40页 |
| ·神经网络保存 | 第40页 |
| ·神经网络恢复 | 第40页 |
| ·神经网络预测 | 第40-41页 |
| ·负荷预测系统的功能需求分析 | 第41-43页 |
| ·建立对象模型 | 第43-44页 |
| ·发现对象，建立对象类 | 第43页 |
| ·确定对象类之间的关联 | 第43-44页 |
| ·精细化的用例描述 | 第44-46页 |
| 第五章 短期负荷预测系统设计 | 第46-65页 |
| ·概述 | 第46页 |
| ·企业系统架构 | 第46-48页 |
| ·系统的软件体系结构 | 第48-50页 |
| ·系统分解 | 第48-49页 |
| ·组件 | 第49页 |
| ·层次体系 | 第49-50页 |
| ·系统的设计模式 | 第50-51页 |
| ·完整的用例分析 | 第51-52页 |
| ·组件的设计 | 第52-59页 |
| ·UI组件的设计 | 第52-54页 |
| ·神经网络组件 | 第54-59页 |
| ·joone-engine模块分析 | 第55-59页 |
| ·数据工具组件 | 第59页 |
| ·系统的数据库设计 | 第59-61页 |
| ·系统实现 | 第61-65页 |
| 第六章 总结与展望 | 第65-67页 |
| 致谢 | 第67-68页 |
| 参考文献 | 第68-72页 |
| 附录A(攻读学位期间发表论文目录) | 第72页 |