| 摘要 | 第2-4页 |
| Summary | 第4-5页 |
| 第一章 绪论 | 第8-19页 |
| 1.1 课题背景和研究意义 | 第8-10页 |
| 1.2 电力负荷预测及其概论 | 第10-14页 |
| 1.2.1 电力负荷预测的特点 | 第10-11页 |
| 1.2.2 电力负荷预测的分类 | 第11-12页 |
| 1.2.3 电力负荷预测的流程 | 第12-14页 |
| 1.3 国内外研究情况和发展趋势 | 第14-17页 |
| 1.4 本文主要内容和组织结构 | 第17-19页 |
| 第二章 电力系统短期负荷的特性及分析——以白银市地区为例 | 第19-33页 |
| 2.1 电力系统负荷的变化规律 | 第19-20页 |
| 2.2 电力系统短期负荷的影响因素 | 第20-32页 |
| 2.2.1 气象因素对短期负荷的影响 | 第21-27页 |
| 2.2.2 时间类型对短期负荷的影响 | 第27-30页 |
| 2.2.3 国家法定节假日对短期负荷的影响 | 第30-31页 |
| 2.2.4 随机因素对短期负荷的影响 | 第31-32页 |
| 2.3 白银市地区现有负荷预测系统及其存在的问题 | 第32页 |
| 2.4 本章小结 | 第32-33页 |
| 第三章 广义回归神经网络理论 | 第33-40页 |
| 3.1 人工神经网络及其概论 | 第33-35页 |
| 3.1.1 人工神经网络的基本特点 | 第33-34页 |
| 3.1.2 人工神经网络的典型模型 | 第34-35页 |
| 3.2 广义回归神经网络的基础理论 | 第35-37页 |
| 3.3 广义回归神经网络的基本结构 | 第37-38页 |
| 3.4 广义回归神经网络的优化训练 | 第38-39页 |
| 3.4.1 试验法 | 第38-39页 |
| 3.4.2 智能优化法 | 第39页 |
| 3.5 本章小结 | 第39-40页 |
| 第四章 果蝇优化算法及其改进方法 | 第40-55页 |
| 4.1 群体智能优化算法简介 | 第40-41页 |
| 4.2 果蝇优化算法及其基本原理 | 第41-42页 |
| 4.3 果蝇优化算法的参数分析 | 第42-51页 |
| 4.4 果蝇优化算法的改进方法 | 第51-54页 |
| 4.5 本章小结 | 第54-55页 |
| 第五章 改进果蝇优化算法优化广义回归神经网络的短期电力负荷预测 | 第55-72页 |
| 5.1 电力负荷预测的误差分析 | 第55-56页 |
| 5.2 广义回归神经网络对短期电力负荷的预测 | 第56-65页 |
| 5.2.1 历史数据选取 | 第56-57页 |
| 5.2.2 预先处理样本数据 | 第57-59页 |
| 5.2.3 建立短期预测模型 | 第59-60页 |
| 5.2.4 预测并分析误差 | 第60-65页 |
| 5.3 果蝇优化算法优化广义回归神经网络的基本步骤 | 第65-66页 |
| 5.4 算例分析 | 第66-71页 |
| 5.5 本章小结 | 第71-72页 |
| 第六章 总结与展望 | 第72-74页 |
| 6.1 结论 | 第72-73页 |
| 6.2 展望 | 第73-74页 |
| 附录 | 第74-77页 |
| 参考文献 | 第77-83页 |
| 致谢 | 第83-84页 |
| 作者简介 | 第84-85页 |
| 导师简介 | 第85-86页 |
