基于模糊神经网络的短期电力负荷预测的研究
| 摘要 | 第1页 |
| ABSTRACT | 第4-7页 |
| 第一章：绪论 | 第7-11页 |
| ·电力系统负荷预测 | 第7-8页 |
| ·神经网络应用于负荷预测的研究现状以及存在的问题 | 第8-9页 |
| ·本文的主要工作 | 第9-11页 |
| 第二章：电力负荷预测概述 | 第11-23页 |
| ·电力负荷预测的概念 | 第11页 |
| ·电力负荷预测的特点和原理 | 第11-13页 |
| ·电力负荷预测的特点 | 第11-12页 |
| ·电力负荷预测的原理 | 第12-13页 |
| ·电力负荷预测的分类 | 第13-14页 |
| ·电力负荷预测的特性分析 | 第14-16页 |
| ·基本模型和方法 | 第16-18页 |
| ·负荷预测影响因素与误差分析 | 第18-23页 |
| ·电力系统负荷预测的影响因素 | 第18-19页 |
| ·电力系统负荷预测的误差分析指标 | 第19-23页 |
| 第三章：模糊理论与人工神经网络概述 | 第23-38页 |
| ·模糊逻辑系统 | 第23-26页 |
| ·模糊命题的概念 | 第23页 |
| ·模糊集合与模糊关系 | 第23-25页 |
| ·基于IF—THEN 规则的模糊推理 | 第25-26页 |
| ·人工神经网络 | 第26-31页 |
| ·人工神经网络概述 | 第26-27页 |
| ·人工神经网络历史 | 第27页 |
| ·人工神经网络基本原理 | 第27-31页 |
| ·BP 神经网络 | 第31-38页 |
| ·BP 算法用于预测原理 | 第31页 |
| ·BP 神经网络模型 | 第31-33页 |
| ·BP 人工神经网络算法 | 第33-36页 |
| ·BP 算法问题以及改进 | 第36-38页 |
| 第四章：数据预处理方法以及网络输入样本的研究 | 第38-45页 |
| ·异点的处理 | 第38-40页 |
| ·相似日的选取 | 第40-41页 |
| ·输入训练样本的研究 | 第41-42页 |
| ·数据的归一化处理 | 第42-45页 |
| ·普通负荷数据归一化处理 | 第42-43页 |
| ·其它输入因子归一化处理 | 第43-45页 |
| 第五章：基于模糊神经网络的电力负荷预测模型 | 第45-57页 |
| ·模糊神经网络理论 | 第45-47页 |
| ·神经网络和模糊系统的异同 | 第45-46页 |
| ·模糊神经网络系统特性 | 第46页 |
| ·模糊神经网络与人工神经网络-多层感知器比较 | 第46-47页 |
| ·模糊神经网络模型的建立 | 第47-57页 |
| ·模糊神经网络模型结构 | 第47-49页 |
| ·网络输入层的选择 | 第49-51页 |
| ·遗传算法简介 | 第51-52页 |
| ·利用遗传算法确定隐层结构 | 第52-53页 |
| ·利用遗传算法初始化网络权值和阈值 | 第53-57页 |
| 第六章：算例与结果分析 | 第57-62页 |
| ·预测模型计算一般步骤 | 第57页 |
| ·算法分析与比较 | 第57-62页 |
| 第七章：结论与展望 | 第62-65页 |
| 参考文献 | 第65-68页 |
| 致谢 | 第68-69页 |
| 在学期间发表的学术论文和参加科研情况 | 第69页 |
