基于神经网络的电力负荷预测研究与实现
| 摘要 | 第8-10页 |
| ABSTRACT | 第10-11页 |
| 第一章 绪论 | 第12-18页 |
| 1.1 电力负荷预测概述 | 第12-15页 |
| 1.1.1 电力负荷预测背景 | 第12-13页 |
| 1.1.2 电力消费与经济发展关系 | 第13-15页 |
| 1.2 短期电力负荷预测意义 | 第15-16页 |
| 1.3 国内外研究现状 | 第16-17页 |
| 1.4 本文的研究思路和主要工作 | 第17-18页 |
| 第二章 基本模型方法与分析 | 第18-30页 |
| 2.1 负荷预测的基本模型 | 第18-22页 |
| 2.1.1 基本部分负荷分量 | 第18-20页 |
| 2.1.2 天气敏感负荷分量 | 第20-21页 |
| 2.1.3 特殊事件负荷分量 | 第21页 |
| 2.1.4 随机负荷分量 | 第21-22页 |
| 2.2 电力负荷预测基本方法 | 第22-29页 |
| 2.2.1 传统分析预测法 | 第22-24页 |
| 2.2.2 回归分析预测 | 第24-27页 |
| 2.2.3 灰色系统预测 | 第27-28页 |
| 2.2.4 神经网络方法 | 第28页 |
| 2.2.5 其它预测方法 | 第28-29页 |
| 2.3 本章小结 | 第29-30页 |
| 第三章 神经网络 | 第30-40页 |
| 3.1 神经网络结构 | 第30-32页 |
| 3.2 神经网络传播与BP求解 | 第32-35页 |
| 3.2.1 前馈过程 | 第32页 |
| 3.2.2 激活函数 | 第32-34页 |
| 3.2.3 误差反向传播 | 第34-35页 |
| 3.3 RNN神经网络 | 第35-39页 |
| 3.3.1 RNN结构与特性 | 第35-38页 |
| 3.3.2 RNN参数学习过程 | 第38-39页 |
| 3.4 本章小结 | 第39-40页 |
| 第四章 数据处理分析与实验设置 | 第40-51页 |
| 4.1 数据预处理 | 第40-44页 |
| 4.1.1 归一化 | 第40-42页 |
| 4.1.2 类别数据的量化处理 | 第42-44页 |
| 4.2 隐藏层神经元个数确定 | 第44-45页 |
| 4.3 数据统计分析 | 第45-48页 |
| 4.4 序列增量比因子 | 第48-50页 |
| 4.5 本章小结 | 第50-51页 |
| 第五章 实验结果与分析 | 第51-59页 |
| 5.1 数据评测标准 | 第51-52页 |
| 5.2 神经网络结构设置 | 第52-54页 |
| 5.2.1 前馈神经网络结构 | 第52-53页 |
| 5.2.2 序列增量比的前馈神经网络结构 | 第53页 |
| 5.2.3 RNN网络结构 | 第53-54页 |
| 5.2.4 序列增量比RNN网络结构 | 第54页 |
| 5.3 实验结果与分析 | 第54-58页 |
| 5.3.1 实验结果 | 第54-56页 |
| 5.3.2 实验结果分析 | 第56-58页 |
| 5.4 本章小结 | 第58-59页 |
| 第六章 总结和展望 | 第59-61页 |
| 6.1 工作总结 | 第59页 |
| 6.2 工作展望 | 第59-61页 |
| 参考文献 | 第61-64页 |
| 致谢 | 第64-65页 |
| 学位论文评阅及答辩情况表 | 第65页 |
