| 摘要 | 第1-4页 |
| ABSTRACT | 第4-6页 |
| 目录 | 第6-9页 |
| 1 综述 | 第9-24页 |
| 1．1 电力系统负荷预测概论 | 第9-12页 |
| 1．1．1 负荷预测的概念 | 第9页 |
| 1．1．2 电力负荷预测的作用和现状 | 第9-10页 |
| 1．1．3 负荷预测的特点 | 第10-11页 |
| 1．1．4 负荷预测的分类 | 第11-12页 |
| 1．2 电力系统负荷预测的发展概况 | 第12-13页 |
| 1．3 电力系统负荷预测的意义 | 第13-15页 |
| 1．4 国内外短期负荷预测技术 | 第15-22页 |
| 1．4．1 国内外短期负荷预测技术现状 | 第15-16页 |
| 1．4．2 短期负荷预测的主要方法及模型 | 第16-22页 |
| 1．5 本文的主要工作 | 第22-24页 |
| 2 电力负荷特性分析 | 第24-37页 |
| 2．1 负荷的组成 | 第24-25页 |
| 2．2 负荷的内部规律 | 第25-29页 |
| 2．2．1 负荷变化的年周期性 | 第25-27页 |
| 2．2．2 负荷变化的周周期性 | 第27-28页 |
| 2．2．3 负荷变化的日周期性 | 第28-29页 |
| 2．3 负荷的外部特性 | 第29-36页 |
| 2．3．1 经济发展水平和经济结构调整的影响 | 第29-30页 |
| 2．3．2 收入和生活水平提高及消费观念变化的影响 | 第30页 |
| 2．3．3 电力消费结构变化的影响 | 第30页 |
| 2．3．4 天气的影响 | 第30-35页 |
| 2．3．5 电价的影响 | 第35页 |
| 2．3．6 需求侧管理措施的影响 | 第35页 |
| 2．3．7 电力供应侧的影响 | 第35-36页 |
| 2．4 小结 | 第36-37页 |
| 3 小波理论及其在负荷数据处理中的应用 | 第37-51页 |
| 3．1 小波理论 | 第37-43页 |
| 3．1．1 引言 | 第37-38页 |
| 3．1．2 小波变换的基本概念 | 第38-43页 |
| 3．2 小波变换在负荷数据处理中的应用 | 第43-51页 |
| 3．2．1 负荷数据预处理 | 第43-46页 |
| 3．2．2 用小波变换方法处理数据 | 第46-51页 |
| 4 人工神经网络与BP算法 | 第51-67页 |
| 4．1 人工神经网络的发展及现状 | 第51-52页 |
| 4．2 人工神经网络结构模型 | 第52-54页 |
| 4．3 神经网络训练算法及其存在问题 | 第54-66页 |
| 4．3．1 误差反向传播(BP)算法 | 第54-60页 |
| 4．3．2 改进BP算法性能的措施和方法 | 第60-66页 |
| 4．4 BP网络输入样本数的选择 | 第66-67页 |
| 5 基于模糊聚类分析与BP网络的短期负荷预测组合方法 | 第67-85页 |
| 5．1 组合预测的原理 | 第67-68页 |
| 5．2 组合预测模型 | 第68-69页 |
| 5．3 模糊聚类分析 | 第69-75页 |
| 5．3．1 引言 | 第69页 |
| 5．3．2 模糊等价矩阵聚类分析方法 | 第69-75页 |
| 5．4 分类识别 | 第75-76页 |
| 5．5 根据聚类建立相应的神经网络 | 第76-80页 |
| 5．5．1 根据聚类建立网络模型 | 第76-77页 |
| 5．5．2 网络的训练算法 | 第77-80页 |
| 5．6 预测实例及结果 | 第80-85页 |
| 6 总结 | 第85-88页 |
| 6．1 结论 | 第85-86页 |
| 6．2 待完成的工作 | 第86-88页 |
| 致谢 | 第88-89页 |
| 参考文献 | 第89-94页 |
| 附录 | 第94页 |