| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 课题的研究背景及意义 | 第9-10页 |
| 1.2 电力负荷建模的发展与现状 | 第10-13页 |
| 1.2.1 负荷建模的发展历程 | 第10-11页 |
| 1.2.2 负荷建模的研究现状 | 第11-13页 |
| 1.3 本文的主要工作 | 第13-14页 |
| 第二章 电力负荷建模的基础理论 | 第14-26页 |
| 2.1 引言 | 第14页 |
| 2.2 负荷建模方法 | 第14-15页 |
| 2.2.1 统计综合法 | 第14页 |
| 2.2.2 总体测辨法 | 第14-15页 |
| 2.2.3 故障拟合法 | 第15页 |
| 2.3 负荷模型结构 | 第15-22页 |
| 2.3.1 静态负荷模型 | 第15-17页 |
| 2.3.2 动态负荷模型 | 第17-21页 |
| 2.3.3 综合负荷模型 | 第21-22页 |
| 2.4 负荷模型的辨识算法 | 第22-24页 |
| 2.4.1 模型参数的辨识原理 | 第22-23页 |
| 2.4.2 离线辨识算法 | 第23-24页 |
| 2.4.3 在线辨识算法 | 第24页 |
| 2.5 本章小结 | 第24-26页 |
| 第三章 基于动态RBF神经网络的电力负荷建模 | 第26-39页 |
| 3.1 引言 | 第26页 |
| 3.2 RBF神经网络及持续性激励条件简介 | 第26-28页 |
| 3.3 基于动态RBF神经网络的广义电力负荷建模 | 第28-31页 |
| 3.3.1 总体思路 | 第28页 |
| 3.3.2 基于动态RBF神经网络的广义电力负荷模型 | 第28-30页 |
| 3.3.3 计算流程 | 第30-31页 |
| 3.4 算例分析 | 第31-38页 |
| 3.4.1 基于仿真平台数据的算例分析 | 第31-36页 |
| 3.4.2 基于实际系统数据的算例分析 | 第36-38页 |
| 3.5 本章小结 | 第38-39页 |
| 第四章 基于EKF训练的动态神经网络电力负荷建模 | 第39-51页 |
| 4.1 引言 | 第39页 |
| 4.2 拓展卡尔曼滤波(EKF)算法 | 第39-40页 |
| 4.3 基于自适应EKF训练的动态神经网络广义电力负荷建模 | 第40-42页 |
| 4.4 算例分析 | 第42-50页 |
| 4.5 本章小结 | 第50-51页 |
| 第五章 结论与展望 | 第51-52页 |
| 参考文献 | 第52-57页 |
| 攻读硕士学位期间取得的研究成果 | 第57-58页 |
| 致谢 | 第58-59页 |
| 答辩委员会对论文的评定意见 | 第59页 |