基于量子神经网络的短期电力负荷预测研究
| 摘要 | 第1-6页 |
| Abstract | 第6-7页 |
| 目录 | 第7-9页 |
| 第1章 绪论 | 第9-15页 |
| ·目的和意义 | 第9-10页 |
| ·研究现状 | 第10-13页 |
| ·本文所做的工作 | 第13-15页 |
| 第2章 负荷预测的方法和数据预处理 | 第15-23页 |
| ·短期负荷预测的特点 | 第15页 |
| ·影响负荷预测的因素 | 第15-17页 |
| ·几种常见的负荷预测方法 | 第17-19页 |
| ·负荷预测数据预处理 | 第19-22页 |
| ·数据的去伪 | 第19-20页 |
| ·数据的量化 | 第20-22页 |
| ·小结 | 第22-23页 |
| 第3章 基于量子神经网络的短期负荷预测 | 第23-49页 |
| ·量子神经网络概述 | 第23-25页 |
| ·基于量子神经网络的短期负荷预测 | 第25-33页 |
| ·量子神经网络模型 | 第25-30页 |
| ·量子神经网络的短期负荷预测流程 | 第30-33页 |
| ·量子神经网络的短期负荷预测实验 | 第33-48页 |
| ·量子神经网络模型的建立 | 第33-36页 |
| ·算例分析 | 第36-48页 |
| ·小结 | 第48-49页 |
| 第4章 基于遗传量子神经网络的短期负荷预测 | 第49-62页 |
| ·引言 | 第49页 |
| ·量子遗传神经网络设计 | 第49-52页 |
| ·编码方案 | 第50页 |
| ·选择算子 | 第50-51页 |
| ·交叉算子 | 第51页 |
| ·变异操作 | 第51-52页 |
| ·适应度函数 | 第52页 |
| ·基于遗传量子神经网络的短期负荷预测流程 | 第52-54页 |
| ·基于遗传算法的网络参数学习流程 | 第52-53页 |
| ·基于遗传量子神经网络的短期负荷预测流程 | 第53-54页 |
| ·遗传量子神经网络的短期负荷预测实验 | 第54-61页 |
| ·遗传量子神经网络模型的收敛性分析 | 第54-55页 |
| ·算例分析 | 第55-61页 |
| ·小结 | 第61-62页 |
| 结论与展望 | 第62-64页 |
| 参考文献 | 第64-69页 |
| 致谢 | 第69页 |
