基于BP神经网络的电力负荷预测模型设计与系统实现
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第9-13页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.3 研究内容与技术路线 | 第11-13页 |
| 2 基础理论与技术概述 | 第13-26页 |
| 2.1 电力负荷预测 | 第13-18页 |
| 2.1.1 基本概念与分类 | 第13-14页 |
| 2.1.2 预测方法与流程 | 第14-17页 |
| 2.1.3 电力负荷预测的特点 | 第17-18页 |
| 2.2 模糊神经网络理论 | 第18-21页 |
| 2.2.1 模糊理论 | 第18-20页 |
| 2.2.2 BP神经网络 | 第20-21页 |
| 2.2.3 模糊神经网络理论 | 第21页 |
| 2.3 小波分析理论 | 第21-25页 |
| 2.3.1 连续小波变换 | 第22页 |
| 2.3.2 离散小波变换 | 第22-23页 |
| 2.3.3 小波基函数 | 第23-25页 |
| 2.4 本章小结 | 第25-26页 |
| 3 电力负荷预测平台系统概述 | 第26-35页 |
| 3.1 系统概述 | 第26-27页 |
| 3.2 整体架构 | 第27-28页 |
| 3.3 系统对象模型 | 第28-30页 |
| 3.3.1 系统对象构建 | 第28-29页 |
| 3.3.2 对象关系分析 | 第29-30页 |
| 3.4 系统用例 | 第30-33页 |
| 3.5 数据库结构 | 第33-34页 |
| 3.5.1 系统数据结构分析 | 第33页 |
| 3.5.2 数据表结构 | 第33-34页 |
| 3.6 本章小结 | 第34-35页 |
| 4 电力负荷预测模型设计 | 第35-56页 |
| 4.1 业务建模 | 第35-37页 |
| 4.2 功能需求分析 | 第37-38页 |
| 4.2.1 数据去噪 | 第37页 |
| 4.2.2 负荷预测 | 第37-38页 |
| 4.3 BP负荷预测模型分析与优化 | 第38-41页 |
| 4.3.1 BP预测算法分析 | 第38-40页 |
| 4.3.2 BP预测算法改进研究 | 第40-41页 |
| 4.4 BP负荷预测模型构建 | 第41-47页 |
| 4.4.1 预测模型框架 | 第41-44页 |
| 4.4.2 数据预处理 | 第44-45页 |
| 4.4.3 环境数据量化处理 | 第45-46页 |
| 4.4.4 误差分析指标 | 第46-47页 |
| 4.5 小波阈值去噪 | 第47-51页 |
| 4.5.1 小波去噪算法分析 | 第47-48页 |
| 4.5.2 小波去噪算法改进 | 第48-51页 |
| 4.6 负荷预测模型实验结果 | 第51-55页 |
| 4.7 本章小结 | 第55-56页 |
| 5 电力负荷预测系统的实现 | 第56-67页 |
| 5.1 实现环境 | 第56页 |
| 5.2 系统功能实现 | 第56-66页 |
| 5.2.1 负荷预测功能实现 | 第57-61页 |
| 5.2.2 历史数据管理功能实现 | 第61-63页 |
| 5.2.3 预测结果管理功能实现 | 第63-65页 |
| 5.2.4 预测结果管理 | 第65-66页 |
| 5.3 系统部署结构 | 第66页 |
| 5.4 本章小结 | 第66-67页 |
| 6 总结与展望 | 第67-68页 |
| 6.1 总结 | 第67页 |
| 6.2 展望 | 第67-68页 |
| 参考文献 | 第68-71页 |
| 致谢 | 第71-72页 |
