基于改进BP算法的电力系统短期负荷预测
| 中文摘要 | 第1页 |
| ABSTRACT | 第4-7页 |
| 第一章 绪论 | 第7-12页 |
| ·选题的背景及其意义 | 第7-8页 |
| ·电力系统负荷预测的国内外研究现状 | 第8-12页 |
| 第二章 短期负荷预测分析 | 第12-22页 |
| ·引言 | 第12-13页 |
| ·负荷预测的分类 | 第13-14页 |
| ·按用电部门的属性分类 | 第13页 |
| ·按负荷预测周期的时间长短分类 | 第13页 |
| ·负荷预测各部分的作用及关系 | 第13-14页 |
| ·负荷预测的特点 | 第14-16页 |
| ·短期负荷特性分析 | 第16-19页 |
| ·短期负荷特性概述 | 第16页 |
| ·负荷的周期性特性 | 第16-18页 |
| ·负荷的天气影响因素 | 第18页 |
| ·负荷的其他影响因素 | 第18-19页 |
| ·负荷预测的基本原理 | 第19页 |
| ·负荷预测的误差分析 | 第19-21页 |
| ·产生误差的原因 | 第19-20页 |
| ·负荷预测中常用的计算和分析预测误差的指标和方法 | 第20页 |
| ·误差的传播 | 第20-21页 |
| ·小结 | 第21-22页 |
| 第三章 BP 人工神经网络算法及其改进 | 第22-33页 |
| ·人工神经网络基础 | 第22-25页 |
| ·人工神经网络发展历史 | 第22页 |
| ·人工神经网络的基本概念 | 第22-23页 |
| ·人工神经网络的基本特性 | 第23-24页 |
| ·人工神经网络在负荷预测中的应用 | 第24-25页 |
| ·BP 神经网络的基本原理及其改进 | 第25-32页 |
| ·神经网络的结构 | 第26页 |
| ·BP 算法 | 第26-27页 |
| ·BP 算法的学习过程 | 第27-28页 |
| ·BP 算法的缺点及其改进 | 第28-32页 |
| ·本章小结 | 第32-33页 |
| 第四章 改进BP 算法用于电力系统短期负荷预测 | 第33-42页 |
| ·引言 | 第33页 |
| ·预测模型的输入量选择 | 第33-34页 |
| ·历史负荷数据 | 第33页 |
| ·与负荷相关的数据 | 第33-34页 |
| ·对输入量的处理 | 第34-36页 |
| ·历史负荷数据处理 | 第34-35页 |
| ·负荷数据归一化处理 | 第35页 |
| ·天气样本处理 | 第35-36页 |
| ·日期类型的量化 | 第36页 |
| ·学习样本的选取 | 第36页 |
| ·应用SCG 算法改进BP 神经网络建立模型 | 第36-38页 |
| ·负荷模型 | 第36-37页 |
| ·BP 网络结构的确定 | 第37-38页 |
| ·程序流程图 | 第38-39页 |
| ·算例分析 | 第39-40页 |
| ·训练误差性能曲线 | 第39-40页 |
| ·预测结果 | 第40页 |
| ·结果分析 | 第40页 |
| ·本章小结 | 第40-42页 |
| 第五章 结论 | 第42-43页 |
| 参考文献 | 第43-47页 |
| 致谢 | 第47-48页 |
| 攻读工程硕士学位期间发表的学术论文和参加科研情况 | 第48-49页 |
| 详细摘要 | 第49-57页 |
