县域地区短期负荷预测模型的研究
| 致谢 | 第1-5页 |
| 序言 | 第5-6页 |
| 中文摘要 | 第6-7页 |
| 英文摘要 | 第7-11页 |
| 1 绪论 | 第11-23页 |
| ·负荷预测的基本概念 | 第11-13页 |
| ·负荷预测的分类 | 第11-12页 |
| ·短期负荷预测的特点 | 第12-13页 |
| ·短期负荷预测的意义 | 第13页 |
| ·短期负荷预测国内外研究和应用现状概述 | 第13-22页 |
| ·回归分析法 | 第14页 |
| ·时间序列法 | 第14-15页 |
| ·灰色理论预测 | 第15-16页 |
| ·人工神经网络模型 | 第16-17页 |
| ·专家系统法 | 第17-18页 |
| ·模糊控制方法 | 第18-19页 |
| ·小波分析法 | 第19-20页 |
| ·组合预测模型 | 第20页 |
| ·小结 | 第20-22页 |
| ·本文的主要工作 | 第22-23页 |
| 2 电力负荷特性分析 | 第23-35页 |
| ·电力负荷的分类和特点 | 第23-26页 |
| ·电力负荷的分类 | 第23页 |
| ·电力负荷的特点 | 第23-25页 |
| ·影响电力负荷变化的因素 | 第25-26页 |
| ·短期电力负荷的特性分析 | 第26-30页 |
| ·电力负荷的组成分析 | 第26-27页 |
| ·典型负荷分量的特性 | 第27-30页 |
| ·县域地区电力负荷的特性分析 | 第30-35页 |
| ·县域地区概况 | 第30-31页 |
| ·县域地区电力负荷的组成分析 | 第31-34页 |
| ·县域地区电力负荷的波动分析 | 第34-35页 |
| 3 人工神经网络(ANN)理论 | 第35-41页 |
| ·人工神经网络的基本要素 | 第35-36页 |
| ·神经元功能函数 | 第35-36页 |
| ·神经元之间的连接形式 | 第36页 |
| ·人工神经网络的学习(训练) | 第36页 |
| ·BP神经网络 | 第36-38页 |
| ·BP网络的性能分析 | 第38-41页 |
| 4 气象因素对短期负荷的影响分析 | 第41-45页 |
| ·短期预测中气象因素分析 | 第41-42页 |
| ·气象因素应用于短期负荷预测的处理思路 | 第42-43页 |
| ·基于实时气象因素的短期负荷预测方法 | 第43-45页 |
| ·考虑实时气象因素的必要性 | 第43页 |
| ·负荷预测中实时气象因素的研究现状 | 第43页 |
| ·实时气象因素的影响分析 | 第43-45页 |
| 5 县域地区短期负荷预测模型的建立 | 第45-53页 |
| ·气象校正法 | 第45页 |
| ·考虑气象因素的BP网络结构设计 | 第45-46页 |
| ·短期负荷预测的人工神经网络构成 | 第45-46页 |
| ·人工神经网络的数据处理方法 | 第46页 |
| ·基于实时气象因素的短期负荷预测 | 第46-49页 |
| ·BP网络历史参考日的选取 | 第47页 |
| ·BP网络输入变量的选择 | 第47-49页 |
| ·BP网络结构设计 | 第49页 |
| ·实例分析 | 第49-53页 |
| 6 短期负荷预测系统的设计 | 第53-61页 |
| ·开发工具PI数据库介绍 | 第53页 |
| ·系统结构和功能 | 第53-59页 |
| ·系统结构 | 第53-54页 |
| ·系统各模块设计思想和主要功能 | 第54-59页 |
| ·系统使用效果 | 第59-61页 |
| 7 结论与展望 | 第61-64页 |
| ·结论 | 第61页 |
| ·近几年研究获得效果 | 第61-62页 |
| ·展望 | 第62-64页 |
| 参考文献 | 第64-67页 |
| 作者简历 | 第67页 |
| 攻读学位期间发表的论文和完成的科研工作 | 第67-68页 |
| 附录 | 第68-69页 |
