| 摘要 | 第1-5页 |
| ABSTRACT | 第5-7页 |
| 目录 | 第7-10页 |
| CONTENTS | 第10-13页 |
| 第一章 引言 | 第13-22页 |
| ·进行短期电力负荷预测的意义 | 第13-14页 |
| ·短期电力负荷预测技术的发展和研究现状 | 第14-20页 |
| ·传统预测方法 | 第15-16页 |
| ·人工智能方法 | 第16-20页 |
| ·本文所完成的主要工作 | 第20-22页 |
| 第二章 电力系统短期负荷预测概述 | 第22-32页 |
| ·电力系统负荷预测 | 第22-24页 |
| ·电力系统负荷预测类型 | 第22-23页 |
| ·电力系统负荷预测的特点和基本原理 | 第23-24页 |
| ·电力系统短期负荷预测分析 | 第24-28页 |
| ·电力系统短期负荷特征分析 | 第24-25页 |
| ·电力系统短期负荷中的影响因素分析 | 第25-28页 |
| ·电力系统短期负荷预测的基本思路 | 第28-29页 |
| ·以河源地区电力系统为例总结短期负荷基本特征 | 第28页 |
| ·建立短期负荷预测模型应考虑的问题 | 第28-29页 |
| ·建立短期负荷预测模型基本原则 | 第29页 |
| ·电力系统短期负荷预测中的数据预处理 | 第29-32页 |
| ·异常数据的识别 | 第29-30页 |
| ·异常数据的处理 | 第30-32页 |
| 第三章 RBF神经网络及其结构分析 | 第32-44页 |
| ·人工神经网络的基本概念 | 第32-34页 |
| ·RBF神经网络 | 第34-42页 |
| ·RBF神经网络的结构 | 第34-36页 |
| ·RBF神经网络的具体实现 | 第36-37页 |
| ·RBF网络的学习算法 | 第37-42页 |
| ·RBF神经网络与BP网络的比较 | 第42-44页 |
| ·BP网络存在的问题 | 第42页 |
| ·RBF网络与BP网络之间的差别 | 第42-44页 |
| 第四章 粒子群优化算法 | 第44-50页 |
| ·PSO算法 | 第44页 |
| ·算法原理 | 第44-46页 |
| ·算法参数分析 | 第46-47页 |
| ·算法流程 | 第47-49页 |
| ·和其它进化计算的比较 | 第49-50页 |
| 第五章 基于PSO优化的RBF神经网络短期负荷预测研究 | 第50-60页 |
| ·河源短期电力负荷特性分析 | 第50-51页 |
| ·RBF短期负荷预测模型的建立 | 第51-53页 |
| ·RBF短期负荷预测模型的训练 | 第53-55页 |
| ·预测误差分析 | 第55-57页 |
| ·使用PSO对RBF短期负荷预测模型参数进行优化 | 第57-60页 |
| ·算法流程及分析 | 第57-58页 |
| ·算法评价及分析 | 第58-60页 |
| 第六章 负荷预测仿真实例与分析比较 | 第60-68页 |
| ·预测模型计算一般步骤 | 第60-61页 |
| ·算法综合比较 | 第61-68页 |
| 结论与展望 | 第68-69页 |
| 参考文献 | 第69-72页 |
| 攻读硕士学位期间发表论文 | 第72-74页 |
| 致谢 | 第74页 |