| 中文摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第11-15页 |
| 1.1 选题背景及意义 | 第11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 电力负荷预测的特点 | 第13页 |
| 1.4 本文主要工作内容及章节安排 | 第13-15页 |
| 第二章 电力负荷预测概述 | 第15-21页 |
| 2.1 电力负荷预测理论 | 第15-16页 |
| 2.1.1 电力负荷预测的基本原理 | 第15页 |
| 2.1.2 电力负荷预测的基本程序 | 第15-16页 |
| 2.2 电力负荷数据分析 | 第16-17页 |
| 2.2.1 电力负荷分类 | 第16-17页 |
| 2.2.2 电力负荷影响因素的分析 | 第17页 |
| 2.3 电力负荷预测方法 | 第17-18页 |
| 2.3.1 时间序列法 | 第17-18页 |
| 2.3.2 灰色预测技术 | 第18页 |
| 2.3.3 神经网络预测技术 | 第18页 |
| 2.4 电力负荷预测误差分析 | 第18-20页 |
| 2.4.1 误差产生原因 | 第18-19页 |
| 2.4.2 预测误差分析 | 第19-20页 |
| 2.5 本章小结 | 第20-21页 |
| 第三章 灰色系统理论及灰色预测模型 | 第21-37页 |
| 3.1 灰色系统理论 | 第21-22页 |
| 3.1.1 灰色系统理论的基本概念 | 第21页 |
| 3.1.2 灰色系统的基本原理 | 第21-22页 |
| 3.2 灰色生成 | 第22-25页 |
| 3.2.1 累加生成 | 第22-24页 |
| 3.2.2 累减生成 | 第24页 |
| 3.2.3 均值生成 | 第24-25页 |
| 3.2.4 级比生成 | 第25页 |
| 3.3 灰色预测模型及算例分析 | 第25-32页 |
| 3.3.1 灰色模型的建模机理 | 第25-26页 |
| 3.3.2 GM(1,1)模型 | 第26-29页 |
| 3.3.3 GM(1,n)模型 | 第29-30页 |
| 3.3.4 GM(0,n)模型 | 第30-32页 |
| 3.4 灰色关联分析法 | 第32-34页 |
| 3.5 灰色预测法的分析及改进方法 | 第34-36页 |
| 3.5.1 灰色预测法的分析 | 第34-35页 |
| 3.5.2 改进方法 | 第35-36页 |
| 3.6 本章小结 | 第36-37页 |
| 第四章 基于灰色理论与神经网络的预测模型的构建及程序设计 | 第37-50页 |
| 4.1 BP神经网络 | 第37-42页 |
| 4.1.1 基于BP算法的神经网络结构 | 第37-38页 |
| 4.1.2 BP学习算法 | 第38-40页 |
| 4.1.3 BP神经网络模型训练步骤 | 第40-42页 |
| 4.2 灰色神经网络校正模型 | 第42-46页 |
| 4.2.1 灰色神经网络校正模型的基本思想 | 第42页 |
| 4.2.2 GM-NNC模型的建模步骤 | 第42-44页 |
| 4.2.3 GM-NNC模型的程序设计 | 第44-46页 |
| 4.3 灰色神经网络更新校正模型 | 第46-49页 |
| 4.3.1 灰色神经网络更新校正模型的基本思想 | 第46页 |
| 4.3.2 RGM-NNC模型的建模步骤 | 第46-47页 |
| 4.3.3 RGM-NNC模型的程序设计 | 第47-49页 |
| 4.4 本章小结 | 第49-50页 |
| 第五章 电力负荷预测实例分析 | 第50-60页 |
| 5.1 中长期负荷预测实例一 | 第50-54页 |
| 5.1.1 GM-NNC模型实验结果及分析 | 第51-52页 |
| 5.1.2 RGM-NNC模型实验结果及分析 | 第52-54页 |
| 5.2 中长期负荷预测实例二 | 第54-59页 |
| 5.2.1 GM-NNC模型实验结果及分析 | 第55-57页 |
| 5.2.2 RGM-NNC模型实验结果及分析 | 第57-59页 |
| 5.3 GM-NNC模型与RGM-NNC模型对比分析 | 第59页 |
| 5.4 本章小结 | 第59-60页 |
| 第六章 总结与展望 | 第60-62页 |
| 6.1 全文工作总结 | 第60-61页 |
| 6.2 未来工作展望 | 第61-62页 |
| 参考文献 | 第62-65页 |
| 发表论文和科研情况说明 | 第65-66页 |
| 致谢 | 第66-67页 |