| 摘要 | 第1-5页 |
| Abstract | 第5-6页 |
| 目录 | 第6-8页 |
| 1 绪论 | 第8-16页 |
| ·本课题的研究目的与意义 | 第8-9页 |
| ·负荷预测的研究现状 | 第9-15页 |
| ·论文的主要研究内容 | 第15-16页 |
| 2 负荷特性分析 | 第16-26页 |
| ·引言 | 第16页 |
| ·电力负荷的构成分类 | 第16-17页 |
| ·城市居民用电负荷 | 第16页 |
| ·工业用电负荷 | 第16-17页 |
| ·商业用电负荷 | 第17页 |
| ·农业用电负荷 | 第17页 |
| ·负荷的各种影响因素 | 第17-22页 |
| ·经济社会因素 | 第18页 |
| ·电力供需因素 | 第18-19页 |
| ·气候因素 | 第19-22页 |
| ·负荷的外在特性 | 第22-24页 |
| ·负荷曲线的年周期性 | 第22-23页 |
| ·负荷曲线的周周期性 | 第23页 |
| ·负荷曲线的日周期性 | 第23-24页 |
| ·负荷的内在特性 | 第24-25页 |
| ·负荷内在特性的宏观特性 | 第25页 |
| ·负荷内在特性的微观特性 | 第25页 |
| ·本章小结 | 第25-26页 |
| 3 基于小波分析的负荷曲线规律性研究 | 第26-35页 |
| ·引言 | 第26页 |
| ·小波变换的基本知识 | 第26-29页 |
| ·小波分析的容许性条件 | 第26页 |
| ·连续小波变换 | 第26-27页 |
| ·离散小波变换 | 第27-29页 |
| ·多分辨分析与Mallat算法 | 第29-30页 |
| ·多分辨分析 | 第29页 |
| ·Mallat算法 | 第29-30页 |
| ·小波变换模型的选择方法 | 第30-32页 |
| ·小波函数的选取 | 第30-32页 |
| ·分解尺度的选取 | 第32页 |
| ·小波分解在负荷预测中的应用方法研究 | 第32-34页 |
| ·利用小波分析进行历史数据预处理 | 第32-33页 |
| ·利用小波变换进行负荷曲线特性分析 | 第33-34页 |
| ·本章小结 | 第34-35页 |
| 4 基于神经网络(ANN)的负荷预测方法 | 第35-43页 |
| ·引言 | 第35页 |
| ·神经网络的基本原理 | 第35-38页 |
| ·神经网络的概念和特点 | 第35-36页 |
| ·神经元模型的结构组成 | 第36-38页 |
| ·神经网络模型分类 | 第38-40页 |
| ·BP神经网络及其算法 | 第40-41页 |
| ·基于神经网络的负荷预测方法 | 第41-42页 |
| ·本章小结 | 第42-43页 |
| 5 考虑积温效应的小波变换与神经网络(ANN)负荷组合预测模型 | 第43-55页 |
| ·引言 | 第43页 |
| ·积温效应的考虑 | 第43-47页 |
| ·积温效应现象及其原因 | 第43-45页 |
| ·不同地域的温度积累效应差异 | 第45-46页 |
| ·温度积累效应的量化方法 | 第46-47页 |
| ·考虑积温效应的小波变换和神经网络组合负荷预测模型 | 第47-52页 |
| ·基本步骤 | 第47-49页 |
| ·实例建模 | 第49页 |
| ·预测结果分析 | 第49-52页 |
| ·三种预测方法的比较 | 第52-54页 |
| ·本章小结 | 第54-55页 |
| 6 结论 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 致谢 | 第59-60页 |
| 攻读硕士学位期间完成的论文 | 第60页 |