| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第8-14页 |
| 1.1 课题研究背景与意义 | 第8-9页 |
| 1.1.1 研究背景 | 第8-9页 |
| 1.1.2 研究意义 | 第9页 |
| 1.2 国内外研究现状及发展趋势 | 第9-12页 |
| 1.2.1 国外研究现状 | 第10-11页 |
| 1.2.2 国内研究现状 | 第11-12页 |
| 1.3 论文研究内容 | 第12页 |
| 1.4 论文组织结构 | 第12-14页 |
| 2 电力系统负荷预测理论基础 | 第14-26页 |
| 2.1 电力负荷预测 | 第14-15页 |
| 2.2 电力负荷预测原理、特点 | 第15-21页 |
| 2.2.1 电力负荷预测原理 | 第15-16页 |
| 2.2.2 电力负荷预测的特点 | 第16-17页 |
| 2.2.3 几种典型的预测方法分析 | 第17-21页 |
| 2.3 电力负荷预测的基本过程 | 第21-22页 |
| 2.4 电力负荷预测的影响因素及误差分析 | 第22-25页 |
| 2.4.1 电力负荷预测影响因素 | 第22-23页 |
| 2.4.2 电力负荷预测误差分析 | 第23-25页 |
| 2.5 本章小结 | 第25-26页 |
| 3 RBF神经网络 | 第26-39页 |
| 3.1 神经网络概述 | 第26-31页 |
| 3.2 RBF神经网络分析 | 第31-37页 |
| 3.2.1 RBF神经网络结构与数学模型 | 第31-33页 |
| 3.2.2 RBF神经网络训练准则与常用学习算法 | 第33-37页 |
| 3.3 RBF神经网络与BP神经网络性能对比分析 | 第37-38页 |
| 3.4 本章小结 | 第38-39页 |
| 4 基于PCA-RBF神经网络的短期负荷预测模型 | 第39-54页 |
| 4.1 主成分分析法 | 第39-44页 |
| 4.1.1 主成分分析原理 | 第39-41页 |
| 4.1.2 主成分分析的步骤 | 第41-44页 |
| 4.2 基于PCA-RBF神经网络的短期电力负荷预测模型 | 第44-53页 |
| 4.2.1 数据预处理及归一化 | 第45-48页 |
| 4.2.2 数据的收集及主成分分析 | 第48-53页 |
| 4.3 本章小结 | 第53-54页 |
| 5 实验仿真分析 | 第54-62页 |
| 5.1 PCA-RBF神经网络预测过程 | 第54-56页 |
| 5.2 仿真结果分析 | 第56-61页 |
| 5.2.1 RBF预测电力负荷结果分析 | 第56-58页 |
| 5.2.2 PCA-RBF预测电力负荷结果分析 | 第58-60页 |
| 5.2.3 RBF与PCA-RBF预测电力负荷结果对比分析 | 第60-61页 |
| 5.3 本章小结 | 第61-62页 |
| 6 总结与展望 | 第62-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-66页 |