| 第一章 绪论 | 第1-14页 |
| 1．1 本课题研究的目的和意义 | 第10-11页 |
| 1．2 短期负荷预测的国内外研究现状 | 第11-13页 |
| 1．3 本论文的主要研究内容 | 第13-14页 |
| 第二章 电力负荷及预测方法 | 第14-26页 |
| 2．1 电力负荷 | 第14-19页 |
| 2．1．1 电力负荷的分类和特性 | 第14-15页 |
| 2．1．2 影响负荷特性的主要因素及影响程度 | 第15-18页 |
| 2．1．3 太原地区电力负荷的特点 | 第18-19页 |
| 2．2 电力负荷预测方法 | 第19-26页 |
| 2．2．1 电力负荷预测传统方法的回顾 | 第19-21页 |
| 2．2．2 软计算方法 | 第21-26页 |
| 第三章 神经网络 | 第26-52页 |
| 3．1 神经网络概述 | 第26-31页 |
| 3．1．1 人工神经元模型 | 第26-28页 |
| 3．1．2 网络结构及工作方式 | 第28-29页 |
| 3．1．3 NN的学习 | 第29-31页 |
| 3．2 前馈网络 | 第31-46页 |
| 3．2．1 多层前馈网络的函数逼近能力 | 第33-34页 |
| 3．2．2 三层与四层神经网络的性能比较 | 第34-35页 |
| 3．2．3 反向传播学习算法 | 第35-41页 |
| 3．2．4 Levenberg-Marquardt改进算法 | 第41-46页 |
| 3．3 BP算法流程框图 | 第46-48页 |
| 3．4 其它类型神经网络 | 第48-52页 |
| 3．4．1 Hopfield网络 | 第48页 |
| 3．4．2 随机型神经网络 | 第48-49页 |
| 3．4．3 自组织神经网络 | 第49-52页 |
| 第四章 遗传算法 | 第52-66页 |
| 4．1 编码方法 | 第54-55页 |
| 4．2 适应度函数 | 第55-56页 |
| 4．3 遗传算子 | 第56-58页 |
| 4．4 收敛性分析 | 第58-60页 |
| 4．5 举例说明采用遗传算法确定神经网络权值 | 第60-62页 |
| 4．6 采用神经网络结合遗传算法进行短期负荷预测的步骤和框图 | 第62-66页 |
| 第五章 采用软计算方法进行短期负荷预测 | 第66-84页 |
| 5．1 历史数据处理及输入样本的选择 | 第67-72页 |
| 5．1．1 剔除不良数据 | 第67-69页 |
| 5．1．2 基于相似性原理选择样本点 | 第69-72页 |
| 5．2 气象因素对负荷的影响 | 第72-79页 |
| 5．3 前馈神经网络设计 | 第79-81页 |
| 5．4 结合 GA的四层神经网络 | 第81页 |
| 5．5 预测误差指标 | 第81-84页 |
| 第六章 太原电网短期负荷预测结果及分析 | 第84-93页 |
| 6．1 预测结果及分析 | 第84-91页 |
| 6．2 结论 | 第91-93页 |
| 参考文献 | 第93-97页 |
| 致谢 | 第97-98页 |
| 攻读硕士学位期间发表的学术论文目录 | 第98页 |