基于模糊粗糙集和神经网络的短期负荷预测研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 引言 | 第9-15页 |
| ·短期负荷预测的研究意义 | 第9-10页 |
| ·短期负荷预测的发展及预测方法 | 第10-12页 |
| ·人工神经网络在负荷预测中的应用现状 | 第12-13页 |
| ·本文所做的主要工作 | 第13-15页 |
| 2 电力负荷特性分析 | 第15-24页 |
| ·电力负荷变化的内在规律 | 第15-17页 |
| ·负荷变化的年周期性 | 第15-16页 |
| ·负荷变化的周周期性 | 第16-17页 |
| ·负荷变化的日周期性 | 第17页 |
| ·电力负荷变化的外在特性 | 第17-20页 |
| ·经济影响 | 第18页 |
| ·气候因素影响 | 第18-20页 |
| ·随机因素的影响 | 第20页 |
| ·日负荷曲线分析 | 第20-24页 |
| ·相同类型日变化曲线 | 第20页 |
| ·日负荷的归一化曲线 | 第20-21页 |
| ·相似日的选取 | 第21-24页 |
| 3 模糊粗糙集约简算法 | 第24-35页 |
| ·经典粗糙集合论 | 第24-27页 |
| ·概述 | 第24-25页 |
| ·粗糙集的基本概念 | 第25-27页 |
| ·模糊粗糙集 | 第27-35页 |
| ·模糊集合预备知识 | 第27-30页 |
| ·基于属性依赖度的模糊粗糙集约简 | 第30-35页 |
| 4 人工神经网络 | 第35-43页 |
| ·人工神经网络概述 | 第35-36页 |
| ·BP网络的基本理论 | 第36-43页 |
| ·标准 BP算法 | 第37-41页 |
| ·BP网络的缺点及改进方法 | 第41-43页 |
| 5 基于模糊粗糙集和BP网络的负荷预测 | 第43-53页 |
| ·负荷数据的预处理 | 第43-45页 |
| ·模糊粗糙集约简选取输入属性 | 第45-49页 |
| ·预测负荷极值的BP网络设计 | 第49-51页 |
| ·输入输出层设计 | 第49页 |
| ·隐层层数及节点的确定 | 第49页 |
| ·神经网络结构和参数的确定 | 第49-50页 |
| ·选用的网络训练算法 | 第50-51页 |
| ·日整点负荷值的获取 | 第51页 |
| ·误差分析 | 第51-53页 |
| 6 负荷预测结果与分析 | 第53-60页 |
| ·误差训练性能曲线 | 第53-54页 |
| ·日最大负荷预测结果 | 第54-55页 |
| ·整点负荷预测结果分析 | 第55-60页 |
| 7 结论与展望 | 第60-62页 |
| 参考文献 | 第62-68页 |
| 在读期间发表的学术论文 | 第68-69页 |
| 作者简介 | 第69-70页 |
| 致谢 | 第70-71页 |
| 附件 | 第71-77页 |
