| 详细摘要 | 第2-13页 |
| 摘要 | 第13-14页 |
| ABSTRACT | 第14页 |
| 前言 | 第17-19页 |
| 第一章 宏伟热电厂相关信息简介 | 第19-23页 |
| 1.1 课题与企业背景 | 第19页 |
| 1.2 数据传输系统结构 | 第19-22页 |
| 1.3 本系统设计目标与主要工作 | 第22-23页 |
| 第二章 电力负荷预测相关技术研究 | 第23-31页 |
| 2.1 电力负荷预测的分类与简介 | 第23-25页 |
| 2.1.1 电力负荷预测的基本概念 | 第23-24页 |
| 2.1.2 电力负荷预测模型的分类 | 第24-25页 |
| 2.2 短期电力负荷模型的国内外研究现状 | 第25-31页 |
| 2.2.1 短期电力负荷预测模型的传统方法 | 第25-28页 |
| 2.2.2 基于人工智能的短期电力负荷预测模型 | 第28-30页 |
| 2.2.3 本系统模型选择 | 第30-31页 |
| 第三章 系统可行性与需求分析 | 第31-37页 |
| 3.1 系统可行性分析 | 第31-33页 |
| 3.1.1 经济可行性 | 第31-32页 |
| 3.1.2 技术可行性 | 第32-33页 |
| 3.1.3 用户使用可行性 | 第33页 |
| 3.2 系统需求分析 | 第33-37页 |
| 3.2.1 数据需求 | 第33-34页 |
| 3.2.2 功能需求 | 第34-35页 |
| 3.2.3 性能需求 | 第35-36页 |
| 3.2.4 可靠性需求 | 第36-37页 |
| 第四章 宏伟热电厂短期负荷预测神经网络模型的建立与应用 | 第37-51页 |
| 4.1 BP神经网络介绍 | 第37-43页 |
| 4.1.1 BP神经网络概念 | 第37页 |
| 4.1.2 BP神经网络结构 | 第37-39页 |
| 4.1.3 BP神经网络的训练 | 第39-41页 |
| 4.1.4 BP神经网络在电力系统短期负荷预测中的设计 | 第41-43页 |
| 4.1.5 BP神经网络的缺陷 | 第43页 |
| 4.2 卷积神经网络介绍 | 第43-45页 |
| 4.2.1 卷积神经网络概念以及其与BP网络的差异 | 第43-45页 |
| 4.2.2 本系统中神经网络特征选择 | 第45页 |
| 4.3 数据处理及算法分析 | 第45-51页 |
| 4.3.1 数据样本的构造 | 第45-46页 |
| 4.3.2 正负样例的选择 | 第46-47页 |
| 4.3.3 算法评价指标的介绍 | 第47页 |
| 4.3.4 模型比较 | 第47-51页 |
| 第五章 系统设计与实现 | 第51-63页 |
| 5.1 数据库设计 | 第51-54页 |
| 5.2 数据库读取流程 | 第54-55页 |
| 5.3 系统模块 | 第55-63页 |
| 5.3.1 登录与当前电量信息显示功能 | 第55-57页 |
| 5.3.2 浏览页面选择功能 | 第57页 |
| 5.3.3 分段实时电量信息显示功能 | 第57-60页 |
| 5.3.4 负荷预测及电量平衡信息显示功能 | 第60-63页 |
| 结论 | 第63-65页 |
| 参考文献 | 第65-67页 |
| 致谢 | 第67页 |
