| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 课题选题背景及其意义 | 第9-10页 |
| 1.2 常用的电力负荷预测方法 | 第10-13页 |
| 1.3 本文的主要研究内容和章节安排 | 第13-15页 |
| 第2章 电力负荷特性分析 | 第15-20页 |
| 2.1 电力负荷特性分析 | 第15-17页 |
| 2.1.1 周期性 | 第15-17页 |
| 2.1.2 季节性 | 第17页 |
| 2.2 电力负荷影响因素分析 | 第17-18页 |
| 2.2.1 气象因素 | 第17-18页 |
| 2.2.2 时间因素 | 第18页 |
| 2.2.3 历史负荷因素 | 第18页 |
| 2.3 电力负荷预测的评价指标 | 第18-19页 |
| 2.4 本章小结 | 第19-20页 |
| 第3章 神经网络算法在短期负荷预测中的应用 | 第20-34页 |
| 3.1 BP神经网络 | 第20-24页 |
| 3.1.1 BP神经网络结构 | 第20-21页 |
| 3.1.2 BP神经网络原理及算法 | 第21-24页 |
| 3.2 Elman神经网络 | 第24-26页 |
| 3.3 基于改进PSO-Elman算法的神经网络 | 第26-32页 |
| 3.3.1 标准PSO算法 | 第26-28页 |
| 3.3.2 粒子群算法的参数设置 | 第28页 |
| 3.3.3 算法流程 | 第28-29页 |
| 3.3.4 粒子群算法的改进 | 第29-31页 |
| 3.3.5 IPSO-Elman神经网络 | 第31-32页 |
| 3.4 IPSO-Elman模型在电力负荷预测中的应用原理 | 第32-33页 |
| 3.5 本章小结 | 第33-34页 |
| 第4章 实例分析 | 第34-40页 |
| 4.1 输入量选择 | 第34-35页 |
| 4.2 样本数据预处理 | 第35-36页 |
| 4.3 测试结果分析 | 第36-39页 |
| 4.4 本章小结 | 第39-40页 |
| 第5章 结论与展望 | 第40-42页 |
| 5.1 结论 | 第40页 |
| 5.2 展望 | 第40-42页 |
| 参考文献 | 第42-47页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第47-48页 |
| 致谢 | 第48-49页 |
| 作者简介 | 第49页 |