电力系统短期负荷预测技术的研究与实现
| 摘要 | 第1页 |
| ABSTRACT | 第3-6页 |
| 第一章 引言 | 第6-11页 |
| ·论文选题的意义 | 第6-7页 |
| ·短期负荷预测的意义 | 第6-7页 |
| ·短期负荷预测技术发展 | 第7-10页 |
| ·国内外短期负荷预测技术的发展 | 第7-8页 |
| ·短期负荷预测研究动向 | 第8-10页 |
| ·论文的主要工作 | 第10-11页 |
| 第二章 短期负荷预测模型分析 | 第11-20页 |
| ·负荷预测的特点和原理 | 第11-13页 |
| ·负荷预测的特点 | 第11-12页 |
| ·负荷预测的原理 | 第12-13页 |
| ·负荷预测的常用模型 | 第13-18页 |
| ·多元线性回归分析法 | 第13页 |
| ·指数平滑法 | 第13-14页 |
| ·随机时间序列法 | 第14-16页 |
| ·专家系统方法 | 第16-17页 |
| ·人工神经网络法 | 第17-18页 |
| ·对各预测模型的分析 | 第18-19页 |
| ·短期负荷预测模型选择 | 第19-20页 |
| 第三章 人工神经网络与短期负荷预测应用 | 第20-30页 |
| ·人工神经网络的数学基础 | 第20-23页 |
| ·人工神经元模型 | 第20-21页 |
| ·处理单元的激活转移函数 | 第21页 |
| ·网络拓扑结构及工作方式 | 第21-23页 |
| ·BP 神经网络短期日负荷预测应用 | 第23-28页 |
| ·神经网络负荷预测的可行性分析 | 第23页 |
| ·负荷的影响因素分析 | 第23-25页 |
| ·考虑气象因素和日期特征的训练向量模型 | 第25页 |
| ·近大远小原则及训练样本的选择策略 | 第25-26页 |
| ·BP 神经网络模型的学习原理 | 第26-27页 |
| ·BP 神经网络模型的算法设计 | 第27-28页 |
| ·BP 神经网络预测中的几个具体问题 | 第28-30页 |
| ·负荷数据的去伪预处理 | 第28-29页 |
| ·样本数据的归一化 | 第29-30页 |
| 第四章 神经网络负荷预测技术的实现 | 第30-43页 |
| ·需求调查与分析 | 第30-34页 |
| ·系统设计目标 | 第30页 |
| ·系统总体结构层次 | 第30-31页 |
| ·数据源的选取 | 第31-32页 |
| ·人工神经网络与面向对象 | 第32-33页 |
| ·开发语言 | 第33-34页 |
| ·系统模块设计及流程 | 第34-43页 |
| ·BP 神经网络软件实现程序框架 | 第34-36页 |
| ·负荷数据的读取方式 | 第36页 |
| ·负荷数据读取的实现 | 第36-38页 |
| ·BP 神经网络训练 | 第38页 |
| ·BP 神经网络训练的实现 | 第38-41页 |
| ·BP 神经网络预测模拟及实现 | 第41-42页 |
| ·算例分析 | 第42-43页 |
| 结论 | 第43-44页 |
| 参考文献 | 第44-46页 |
| 致谢 | 第46-47页 |
| 在学期间发表的学术论文和参加科研情况 | 第47页 |
