基于时间序列和人工神经网络的电力系统短期负荷预测
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-6页 |
| 目录 | 第6-8页 |
| 第一章 绪论 | 第8-17页 |
| ·电力系统负荷预测的概念和意义 | 第8页 |
| ·负荷预测的起源和发展 | 第8-10页 |
| ·负荷预测的分类与方法 | 第10-15页 |
| ·电力系统负荷预测的分类 | 第10页 |
| ·负荷预测的基本原理 | 第10-11页 |
| ·负荷预测的基本步骤 | 第11-13页 |
| ·负荷预测的误差分析及指标 | 第13-15页 |
| ·论文的主要研究任务和内容安排 | 第15-17页 |
| 第二章 短期负荷预测理论和方法综述 | 第17-27页 |
| ·电力市场下短期负荷预测的意义 | 第17-18页 |
| ·电力负荷的分类与特性 | 第18-20页 |
| ·电力负荷的分类 | 第18-19页 |
| ·短期负荷的变化规律及特点 | 第19-20页 |
| ·短期负荷预测的主要方法 | 第20-26页 |
| ·短期负荷预测的传统方法 | 第21-24页 |
| ·短期负荷预测的基于人工智能的预测方法 | 第24-26页 |
| ·本章总结 | 第26-27页 |
| 第三章 随机时间序列预测法 | 第27-46页 |
| ·时间序列预测法的相关基础概念 | 第27-33页 |
| ·时间序列的平稳性 | 第27-29页 |
| ·具体介绍几类随机线性模型及其统计特性 | 第29-33页 |
| ·时间序列预测法的具体步骤 | 第33-44页 |
| ·随机时间序列平稳性分析 | 第33页 |
| ·模型识别 | 第33-35页 |
| ·模型中参数估计 | 第35-36页 |
| ·模型的检验与修改 | 第36页 |
| ·建立预测模型 | 第36-37页 |
| ·预测值的修正 | 第37-38页 |
| ·计算实例与分析 | 第38-44页 |
| ·本章总结 | 第44-46页 |
| 第四章 用于短期负荷预测的人工神经网络 | 第46-62页 |
| ·人工神经网络基本特征 | 第46-47页 |
| ·神经网络的基本概念 | 第46-47页 |
| ·神经网络的学习方式 | 第47页 |
| ·BP网络基本原理及其算法 | 第47-54页 |
| ·BP网络基本原理 | 第47-49页 |
| ·BP算法的数学描述 | 第49-51页 |
| ·BP算法具体实现步骤 | 第51页 |
| ·BP算法存在的问题 | 第51-52页 |
| ·BP算法的改进措施 | 第52-53页 |
| ·BP网络的训练 | 第53-54页 |
| ·日负荷预测模型 | 第54-61页 |
| ·BP神经网络结构设计 | 第54-56页 |
| ·样本的选取 | 第56-57页 |
| ·样本数据的预处理 | 第57-58页 |
| ·预测实例及分析 | 第58-61页 |
| ·本章总结 | 第61-62页 |
| 第五章 基于自相关系数的人工神经网日负荷预测 | 第62-71页 |
| ·预测模型输入样本选择 | 第62-65页 |
| ·负荷数据的自相关函数 | 第62-63页 |
| ·负荷的自相关函数曲线 | 第63-65页 |
| ·本章算例及结果分析 | 第65-69页 |
| ·模型类别 | 第65-66页 |
| ·模型结构 | 第66页 |
| ·预测结果及分析 | 第66-69页 |
| ·本文三种预测方法的结果对比 | 第69-70页 |
| ·本章小结 | 第70-71页 |
| 第六章 本文结论与展望 | 第71-73页 |
| 参考文献 | 第73-76页 |
| 硕士期间发表论文 | 第76-77页 |
| 致谢 | 第77页 |
