| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 课题的研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-14页 |
| 1.3 本文研究的主要工作 | 第14-15页 |
| 第2章 电力系统负荷预测理论基础 | 第15-23页 |
| 2.1 电力系统负荷预测的基本概念 | 第15页 |
| 2.2 电力系统负荷的分类与分解 | 第15-17页 |
| 2.2.1 负荷的分类 | 第15-16页 |
| 2.2.2 负荷的分解 | 第16-17页 |
| 2.3 短期电力负荷预测的过程及影响因素 | 第17-21页 |
| 2.3.1 短期电力负荷预测的过程 | 第17-19页 |
| 2.3.2 短期电力负荷预测的影响因素 | 第19-21页 |
| 2.4 电力负荷数据预处理 | 第21页 |
| 2.5 本章小结 | 第21-23页 |
| 第3章 基于Adaboost算法改进的BP神经网络短期负荷预测研究 | 第23-31页 |
| 3.1 BP神经网络的基本原理 | 第23-24页 |
| 3.2 Adaboost算法 | 第24-26页 |
| 3.2.1 Adaboost算法概述 | 第24-25页 |
| 3.2.2 Adaboost算法原理与步骤 | 第25-26页 |
| 3.3 基于Adaboost的BP神经网络改进算法 | 第26-27页 |
| 3.4 负荷数据预处理 | 第27-28页 |
| 3.5 算例分析 | 第28-30页 |
| 3.6 本章小结 | 第30-31页 |
| 第4章 基于实时气象数据的短期用电负荷预测研究 | 第31-46页 |
| 4.1 营口地区用电负荷情况及特性分析 | 第31-33页 |
| 4.2 气象因素数据预处理 | 第33-34页 |
| 4.3 基于多项式回归模型的负荷与气象因素相关性分析 | 第34-43页 |
| 4.3.1 多项式回归模型 | 第34-36页 |
| 4.3.2 负荷与气象因素相关性分析 | 第36-43页 |
| 4.4 算例分析 | 第43-44页 |
| 4.5 本章小结 | 第44-46页 |
| 第5章 结论和展望 | 第46-48页 |
| 5.1 主要研究成果 | 第46页 |
| 5.2 展望 | 第46-48页 |
| 参考文献 | 第48-52页 |
| 致谢 | 第52页 |
