| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 1 绪论 | 第9-20页 |
| ·研究目的与意义 | 第9页 |
| ·微电网概述 | 第9-11页 |
| ·微电网负荷预测研究现状 | 第11-18页 |
| ·负荷预测概述 | 第11-14页 |
| ·负荷预测方法及应用 | 第14-17页 |
| ·微电网负荷预测方法的研究现状 | 第17-18页 |
| ·微电网超短期负荷预测特点及存在问题 | 第18页 |
| ·微电网超短期负荷预测特点 | 第18页 |
| ·微电网超短期负荷预测存在的问题 | 第18页 |
| ·本文研究内容 | 第18-20页 |
| 2 微电网负荷数据预处理 | 第20-29页 |
| ·突变数据辨识 | 第21页 |
| ·缺失数据补全 | 第21页 |
| ·数据归一化 | 第21-22页 |
| ·数据去噪处理 | 第22-28页 |
| ·傅里叶变换方法概述 | 第22-23页 |
| ·小波变换方法概述 | 第23-24页 |
| ·小波阈值去噪处理 | 第24-27页 |
| ·仿真分析 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 3 微电网负荷特性分析 | 第29-39页 |
| ·电力系统负荷特性分析概述 | 第29-30页 |
| ·电力系统负荷分类 | 第29-30页 |
| ·电力系统负荷特性指标 | 第30-31页 |
| ·负荷特性指标概念 | 第30-31页 |
| ·负荷特性指标选取 | 第31页 |
| ·影响负荷特性的主要因素 | 第31-32页 |
| ·气象条件 | 第31页 |
| ·地区经济发展 | 第31-32页 |
| ·突发事件 | 第32页 |
| ·微电网系统负荷特性分析 | 第32-38页 |
| ·典型日负荷曲线分析 | 第32-34页 |
| ·典型日峰谷差和日峰谷差率 | 第34页 |
| ·日负荷率和日最小负荷率 | 第34-35页 |
| ·气象影响因素分析 | 第35-36页 |
| ·日类型条件的影响 | 第36-37页 |
| ·其他影响因素 | 第37-38页 |
| ·本章小结 | 第38-39页 |
| 4 基于 RBF 神经网络的微电网超短期负荷预测模型 | 第39-54页 |
| ·人工神经网络概述 | 第39-46页 |
| ·BP 神经网络原理 | 第39-42页 |
| ·RBF 神经网络原理 | 第42-46页 |
| ·常规的超短期负荷预测模型 | 第46-49页 |
| ·训练样本结构 | 第46-47页 |
| ·预测模型的建立 | 第47页 |
| ·算例分析 | 第47-49页 |
| ·基于误差判别的超短期负荷预测模型 | 第49-52页 |
| ·基本原理 | 第49-50页 |
| ·预测模型的建立 | 第50页 |
| ·算例分析 | 第50-52页 |
| ·预测误差分析 | 第52-53页 |
| ·本章小结 | 第53-54页 |
| 5 改进运行策略的微电网超短期负荷预测模型 | 第54-62页 |
| ·基本原理 | 第54页 |
| ·回归分析理论概述 | 第54-56页 |
| ·定义负荷样本差异度 | 第56-57页 |
| ·基于负荷样本差异度的预测模型建立 | 第57-58页 |
| ·算例分析 | 第58-61页 |
| ·本章小结 | 第61-62页 |
| 6 结论 | 第62-63页 |
| 参考文献 | 第63-66页 |
| 攻读硕士期间发表学术论文情况 | 第66-67页 |
| 致谢 | 第67页 |