| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第1章 绪论 | 第10-14页 |
| ·负荷预测的概念 | 第10页 |
| ·负荷预测的意义 | 第10页 |
| ·负荷预测的分类 | 第10-11页 |
| ·传统分类 | 第10-11页 |
| ·本文中关于分类的说明 | 第11页 |
| ·负荷预测技术的发展 | 第11-12页 |
| ·发展简述 | 第11-12页 |
| ·本文中主要采用的预测技术 | 第12页 |
| ·负荷预测的难点 | 第12-14页 |
| ·常见困难 | 第12-13页 |
| ·本文中的难点及主要工作 | 第13-14页 |
| 第2章 电力负荷预测技术 | 第14-34页 |
| ·灰色系统预测技术 | 第14-21页 |
| ·灰色生成 | 第14-15页 |
| ·GM(1，1)模型的建立 | 第15-18页 |
| ·几种典型的灰色预测模型 | 第18-20页 |
| ·非等距GM(1，1)的建模过程 | 第20-21页 |
| ·人工神经网络预测技术 | 第21-31页 |
| ·神经元的结构模型 | 第22页 |
| ·人工神经网络结构模型 | 第22-25页 |
| ·神经网络的基本学习方式 | 第25-26页 |
| ·神经网络的学习算法 | 第26-27页 |
| ·BP网络 | 第27-30页 |
| ·径向基函数网络 | 第30-31页 |
| ·其它负荷预测技术简介 | 第31-34页 |
| 第3章 基于灰色系统和人工神经网络的负荷预测综合模型 | 第34-41页 |
| ·灰色预测技术和人工神经网络预测技术的互补性 | 第34页 |
| ·并联型综合模型 | 第34-35页 |
| ·串联型综合模型 | 第35-37页 |
| ·灰色系统辅助神经网络型综合模型 | 第37-38页 |
| ·神经网络辅助灰色系统型综合模型 | 第38-40页 |
| ·补偿型综合模型 | 第40-41页 |
| 第4章 周、月负荷预测具体模型及其算例分析 | 第41-50页 |
| ·周负荷预测 | 第41-46页 |
| ·周(日)负荷预测 | 第41-45页 |
| ·周(总)负荷预测 | 第45-46页 |
| ·月负荷预测 | 第46-49页 |
| ·月(日)负荷预测 | 第46-48页 |
| ·月(总)负荷预测 | 第48-49页 |
| ·小结 | 第49-50页 |
| 第5章 结论与展望 | 第50-52页 |
| 参考文献 | 第52-56页 |
| 致谢 | 第56页 |