考虑实时气象因素的短期负荷预测
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-17页 |
| ·课题的来源和意义 | 第9-10页 |
| ·电力系统负荷预测概述 | 第10-11页 |
| ·负荷预测的基本原理 | 第10页 |
| ·负荷预测的特点 | 第10页 |
| ·负荷预测的分类 | 第10-11页 |
| ·短期负荷预测的理论发展和方法研究 | 第11-15页 |
| ·短期负荷预测的理论发展 | 第11-12页 |
| ·短期负荷预测的方法研究 | 第12-15页 |
| ·气象因素对短期负荷预测的影响 | 第15-16页 |
| ·本文的主要研究内容和章节安排 | 第16-17页 |
| 第2章 电力系统负荷特性分析 | 第17-26页 |
| ·用电负荷的分类和特点 | 第17-18页 |
| ·用电负荷的分类 | 第17页 |
| ·用电负荷的特点 | 第17-18页 |
| ·杭州电网负荷特性分析 | 第18-21页 |
| ·月负荷特性分析 | 第18-19页 |
| ·周负荷特性分析 | 第19-20页 |
| ·日负荷特性分析 | 第20-21页 |
| ·实时气象因素的影响分析 | 第21-23页 |
| ·电网负荷数据的预处理 | 第23-25页 |
| ·数据来源 | 第23页 |
| ·异常数据的分类 | 第23页 |
| ·错误数据的检测和修正 | 第23-24页 |
| ·缺失数据的修补 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 第3章 人工神经网络的基本理论 | 第26-32页 |
| ·BP神经网络基础 | 第26-28页 |
| ·BP神经元模型 | 第26-27页 |
| ·BP神经网络的结构 | 第27页 |
| ·BP神经网络的设计 | 第27-28页 |
| ·BP神经网络的算法原理及改进 | 第28-31页 |
| ·传统BP算法原理 | 第28-30页 |
| ·有动量的梯度下降法 | 第30页 |
| ·有自适应学习速率的梯度下降法 | 第30-31页 |
| ·非线性阻尼最小二乘法 | 第31页 |
| ·本章小结 | 第31-32页 |
| 第4章 基于神经网络的短期负荷预测 | 第32-45页 |
| ·本章的研究思路 | 第32页 |
| ·综合气象指数 | 第32-33页 |
| ·人体舒适度指数 | 第32-33页 |
| ·温湿指数 | 第33页 |
| ·预测模型结构与样本预处理 | 第33-34页 |
| ·预测模型总体结构 | 第33-34页 |
| ·输入样本预处理 | 第34页 |
| ·算例分析 | 第34-44页 |
| ·气象因子直接输入模型 | 第35-37页 |
| ·人体舒适度输入模型 | 第37-40页 |
| ·温湿指数输入模型 | 第40-42页 |
| ·模型的分析与评价 | 第42-44页 |
| ·本章小结 | 第44-45页 |
| 第5章 考虑温度累积效应的短期负荷预测 | 第45-63页 |
| ·气象敏感负荷的提取 | 第45-46页 |
| ·气象敏感负荷与气象因子的关系 | 第46-54页 |
| ·气象敏感负荷与气象因子的相关性分析 | 第46-47页 |
| ·气象敏感负荷与温度的神经网络拟合 | 第47-51页 |
| ·气象敏感负荷与湿度的神经网络拟合 | 第51-54页 |
| ·考虑温度累积效应的温度修正 | 第54-56页 |
| ·多日温度累积效应分析 | 第54-55页 |
| ·日内温度累积效应分析 | 第55-56页 |
| ·温度修正模型 | 第56页 |
| ·湿度的相关性修正 | 第56-57页 |
| ·考虑实时气象因素的多元回归预测模型 | 第57-62页 |
| ·多元非线性回归 | 第57页 |
| ·考虑温湿度修正的气象敏感负荷回归模型 | 第57-58页 |
| ·预测实例 | 第58-62页 |
| ·本章小结 | 第62-63页 |
| 第6章 结论与展望 | 第63-65页 |
| 参考文献 | 第65-68页 |
| 致谢 | 第68-69页 |
| 攻读硕士期间发表论文和科研成果 | 第69页 |
