| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 插图索引 | 第11-12页 |
| 附表索引 | 第12-13页 |
| 第1章 绪论 | 第13-21页 |
| ·课题的研究背景和意义 | 第13-14页 |
| ·电力系统短期负荷预测的国内外发展及研究现状 | 第14-18页 |
| ·短期负荷预测技术综述 | 第14-15页 |
| ·传统负荷预测技术 | 第15-16页 |
| ·现代智能预测技术 | 第16-18页 |
| ·短期负荷预测的难点 | 第18-19页 |
| ·本文主要研究工作 | 第19-21页 |
| 第2章 电力系统负荷预测基础理论 | 第21-32页 |
| ·负荷预测概述 | 第21-23页 |
| ·负荷预测的概念 | 第21页 |
| ·负荷预测的原理 | 第21-22页 |
| ·负荷预测的特点 | 第22-23页 |
| ·负荷预测的分类 | 第23-24页 |
| ·负荷预测的基本要求 | 第24-25页 |
| ·影响负荷变化的主要因素 | 第25-27页 |
| ·负荷预测的基本流程 | 第27-28页 |
| ·电力负荷特性分析 | 第28-29页 |
| ·负荷的周期性 | 第28-29页 |
| ·负荷的随机性 | 第29页 |
| ·负荷预测误差分析 | 第29-31页 |
| ·误差原因分析 | 第29-30页 |
| ·预测误差分析 | 第30-31页 |
| ·本章小结 | 第31-32页 |
| 第3章 人工神经网络 | 第32-47页 |
| ·人工神经网络概述 | 第32-34页 |
| ·人工神经网络的发展现状 | 第32-33页 |
| ·典型神经元模型 | 第33-34页 |
| ·BP 神经网络算法 | 第34-40页 |
| ·BP 神经网络算法概述 | 第34-35页 |
| ·BP 神经网络算法的学习方式 | 第35页 |
| ·BP 神经网络算法的学习过程 | 第35-38页 |
| ·BP 神经网络算法的局限 | 第38页 |
| ·BP 神经网络算法的改进方法 | 第38-40页 |
| ·神经网络代数算法 | 第40-46页 |
| ·神经网络代数算法概述 | 第40-41页 |
| ·隐含层神经元个数的确定 | 第41-42页 |
| ·自由权(W|~)_0 的选取和待求权W_1 的确定 | 第42-43页 |
| ·常用的类支集函数 | 第43-44页 |
| ·神经网络代数算法的学习过程 | 第44-45页 |
| ·神经网络代数算法与 BP 算法比较 | 第45-46页 |
| ·本章小结 | 第46-47页 |
| 第4章 模糊聚类分析与神经网络代数算法相结合的短期负荷预测 | 第47-59页 |
| ·预测原理 | 第47页 |
| ·预测模型 | 第47-48页 |
| ·模糊聚类分析 | 第48-57页 |
| ·模糊聚类分析概述 | 第48-49页 |
| ·建立模糊等价关系矩阵 | 第49-56页 |
| ·分类识别 | 第56-57页 |
| ·建立神经网络模型 | 第57-58页 |
| ·输入样本的选择 | 第57-58页 |
| ·网络参数的确定 | 第58页 |
| ·预测结果的反归一化 | 第58页 |
| ·本章小结 | 第58-59页 |
| 第5章 实例分析 | 第59-67页 |
| ·短期负荷预测结果与分析 | 第59-66页 |
| ·本章小结 | 第66-67页 |
| 结论 | 第67-69页 |
| 参考文献 | 第69-73页 |
| 附录A 攻读学位期间所发表的学术论文目录 | 第73-74页 |
| 附录B 攻读学位期间所参加的科研项目 | 第74-75页 |
| 致谢 | 第75页 |