| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-15页 |
| ·课题来源和意义 | 第9-10页 |
| ·国内外研究现状 | 第10-13页 |
| ·经典预测技术 | 第10页 |
| ·传统预测方法 | 第10-12页 |
| ·现代预测方法 | 第12-13页 |
| ·发展趋势 | 第13-14页 |
| ·本文的主要工作 | 第14-15页 |
| 第二章 电力系统负荷特性分析 | 第15-25页 |
| ·电力系统负荷分类 | 第15-16页 |
| ·电力系统负荷特性分析 | 第16-19页 |
| ·月负荷特性 | 第16-17页 |
| ·周负荷特性 | 第17-18页 |
| ·日负荷特性 | 第18-19页 |
| ·电力系统负荷数据预处理 | 第19-23页 |
| ·异常数据分类 | 第20-21页 |
| ·异常数据的检测和修正 | 第21-22页 |
| ·缺失数据的修补 | 第22-23页 |
| ·气象因素对负荷影响分析 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 第三章 人工神经网络在短期负荷预测中的应用 | 第25-37页 |
| ·BP神经网络 | 第25-29页 |
| ·BP神经网络结构 | 第25-26页 |
| ·BP神经网络原理及算法 | 第26-28页 |
| ·BP神经网络的设计 | 第28-29页 |
| ·Elman神经网络 | 第29-33页 |
| ·Elman神经网络结构 | 第29-30页 |
| ·Elman神经网络的原理及算法 | 第30-32页 |
| ·Elman神经网络预测流程 | 第32-33页 |
| ·短期负荷预测模型建立 | 第33-34页 |
| ·数据样本归一化 | 第33页 |
| ·输入变量选取 | 第33-34页 |
| ·算例分析 | 第34-36页 |
| ·本章小结 | 第36-37页 |
| 第四章 改进Elman神经网络的综合气象短期负荷预测 | 第37-47页 |
| ·Elman神经网络的改进 | 第37-40页 |
| ·学习算法 | 第37-38页 |
| ·激励函数 | 第38-39页 |
| ·网络结构 | 第39-40页 |
| ·综合气象因子 | 第40页 |
| ·算例分析 | 第40-45页 |
| ·本章小结 | 第45-47页 |
| 第五章 考虑光伏并网的短期负荷预测 | 第47-60页 |
| ·光伏发电系统模型及相关影响因子分析 | 第47-49页 |
| ·光伏发电系统物理模型分析 | 第48页 |
| ·光伏发电量相关因子分析 | 第48-49页 |
| ·光伏发电量预测模型设计 | 第49-50页 |
| ·光伏发电削峰容量预测模型设计 | 第50-54页 |
| ·算例分析 | 第54-59页 |
| ·光伏发电量的预测 | 第54-55页 |
| ·含光伏发电系统的短期负荷预测 | 第55-57页 |
| ·削峰容量的计算 | 第57-59页 |
| ·本章小结 | 第59-60页 |
| 第六章 结论与展望 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 致谢 | 第66-67页 |
| 攻读硕士期间发表论文及科研成果 | 第67页 |