基于模糊神经网络的短期电力负荷预测
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第8-14页 |
| 1.1 研究背景与意义 | 第8页 |
| 1.2 国内外的研究现状 | 第8-11页 |
| 1.2.1 经典预测方法 | 第9-10页 |
| 1.2.2 现代预测方法 | 第10-11页 |
| 1.3 研究方法和内容 | 第11-13页 |
| 1.3.1 理论研究 | 第12页 |
| 1.3.2 软件实现 | 第12-13页 |
| 1.4 本章小结 | 第13-14页 |
| 2 电力负荷预测基本理论 | 第14-18页 |
| 2.1 电力负荷预测的含义及分类 | 第14-15页 |
| 2.1.1 电力负荷预测的含义 | 第14页 |
| 2.1.2 电力负荷预测的分类 | 第14-15页 |
| 2.2 电力负荷预测的特点 | 第15页 |
| 2.3 电力负荷预测的影响因素 | 第15-16页 |
| 2.4 电力负荷预测的基本流程 | 第16-17页 |
| 2.5 本章小结 | 第17-18页 |
| 3 模糊神经网络基本理论 | 第18-30页 |
| 3.1 模糊逻辑控制理论概述 | 第18-20页 |
| 3.1.1 模糊逻辑控制的概念 | 第18-19页 |
| 3.1.2 模糊集合 | 第19页 |
| 3.1.3 模糊隶属函数 | 第19页 |
| 3.1.4 模糊规则 | 第19-20页 |
| 3.2 人工神经网络 | 第20-27页 |
| 3.2.1 人工神经网络概述 | 第20页 |
| 3.2.2 人工神经网络的基本结构 | 第20-21页 |
| 3.2.3 传递函数 | 第21-22页 |
| 3.2.4 学习规则 | 第22页 |
| 3.2.5 BP神经网络模型及算法 | 第22-26页 |
| 3.2.6 BP神经网络的缺点及改进 | 第26-27页 |
| 3.3 模糊神经网络 | 第27-29页 |
| 3.3.1 模糊神经网络的工作原理 | 第28页 |
| 3.3.2 模糊神经网络的特点 | 第28-29页 |
| 3.3.3 模糊神经网络的结构 | 第29页 |
| 3.4 本章小结 | 第29-30页 |
| 4 基于模糊神经网络的短期电力负荷预测模型的建立 | 第30-46页 |
| 4.1 样本负荷数据的预处理 | 第30-32页 |
| 4.1.1 样本负荷数据的收集和处理 | 第31-32页 |
| 4.1.2 样本负荷数据的归一化处理 | 第32页 |
| 4.2 影响因素的模糊化处理 | 第32-34页 |
| 4.2.1 温度的模糊化处理 | 第32-34页 |
| 4.2.2 天气的模糊化处理 | 第34页 |
| 4.2.3 日期类型的模糊化处理 | 第34页 |
| 4.3 模糊神经网络模型的设计 | 第34-38页 |
| 4.3.1 网络层数的设计 | 第34-35页 |
| 4.3.2 网络节点数的设计 | 第35-36页 |
| 4.3.3 网络传递函数的设计 | 第36-37页 |
| 4.3.4 网络初始权值的设计 | 第37页 |
| 4.3.5 网络学习参数的设计 | 第37-38页 |
| 4.4 网络建模仿真及结果分析 | 第38-45页 |
| 4.5 本章小结 | 第45-46页 |
| 5 基于模糊神经网络的短期电力负荷预测软件的实现 | 第46-51页 |
| 5.1 开发平台介绍 | 第46页 |
| 5.2 总体功能介绍 | 第46-47页 |
| 5.3 分块功能介绍 | 第47-50页 |
| 5.4 本章小结 | 第50-51页 |
| 6 总结与展望 | 第51-53页 |
| 6.1 总结 | 第51页 |
| 6.2 展望 | 第51-53页 |
| 参考文献 | 第53-56页 |
| 致谢 | 第56-57页 |
