电力系统短期负荷预测
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-13页 |
| ·课题研究的背景 | 第9页 |
| ·选题背景和意义 | 第9-10页 |
| ·国内外研究动态 | 第10-12页 |
| ·负荷预测国外研究动态 | 第10-11页 |
| ·负荷预测国内研究动态 | 第11-12页 |
| ·课题研究内容 | 第12-13页 |
| 第2章 电力负荷预测研究 | 第13-23页 |
| ·电力负荷预测概念 | 第13-14页 |
| ·电力负荷预测的特点和原理 | 第14-16页 |
| ·电力负荷预测的特点 | 第14-15页 |
| ·电力负荷预测的原理 | 第15-16页 |
| ·电力负荷预测的分类 | 第16-17页 |
| ·电力负荷预测的特性分析 | 第17-19页 |
| ·电力负荷预测的基本方法和基本步骤 | 第19-20页 |
| ·电力负荷预测的基本方法 | 第19-20页 |
| ·电力负荷预测的基本步骤 | 第20页 |
| ·电力负荷预测的误差分析 | 第20-22页 |
| ·本章小结 | 第22-23页 |
| 第3章 自组织模糊神经网络 | 第23-36页 |
| ·传统神经网络预测算法 | 第23-24页 |
| ·神经网络算法介绍 | 第23-24页 |
| ·神经网络算法学习 | 第24页 |
| ·传统神经网络的优缺点 | 第24页 |
| ·自组织模糊神经网络结构 | 第24-26页 |
| ·SOFNN算法学习 | 第26-30页 |
| ·参数学习 | 第26-27页 |
| ·结构学习 | 第27-30页 |
| ·SOFNN算法流程 | 第30页 |
| ·SOFNN算法在时间序列预测中的应用 | 第30-34页 |
| ·自组织模糊神经网络的优势 | 第34-35页 |
| ·本章小结 | 第35-36页 |
| 第4章 基于自组织神经网络的电力系统短期负荷预测 | 第36-56页 |
| ·电力负荷的构成及各自特点 | 第36-37页 |
| ·电力负荷预测所需参数 | 第37页 |
| ·电力系统短期负荷预测及其模型特点 | 第37-39页 |
| ·电力负荷预测样本的选择 | 第39-41页 |
| ·数据处理与分析 | 第41-44页 |
| ·负荷数据的预处理情况 | 第44-48页 |
| ·电力负荷缺失数据的修复和补充 | 第44页 |
| ·电力负荷数据的垂直处理 | 第44-46页 |
| ·电力负荷数据的水平处理 | 第46-47页 |
| ·电力负荷数据的标准化处理 | 第47-48页 |
| ·电力负荷短期预测结果及分析 | 第48-55页 |
| ·最大电力日负荷的预测 | 第48-51页 |
| ·最大电力周平均负荷的预测 | 第51-52页 |
| ·借助每周最大平均负荷对日负荷进行修正 | 第52-55页 |
| ·本章小结 | 第55-56页 |
| 第5章 结论与展望 | 第56-58页 |
| ·结论 | 第56-57页 |
| ·展望 | 第57-58页 |
| 参考文献 | 第58-61页 |
| 在学期间发表的学术论文和参加科研情况 | 第61-62页 |
| 致谢 | 第62页 |
