| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第7-15页 |
| 1.1 电力负荷研究的重要性 | 第7-8页 |
| 1.2 电力负荷研究方向及方法 | 第8-11页 |
| 1.2.1 适用于长期电力负荷预测的方法 | 第8-9页 |
| 1.2.2 适用于中期电力负荷预测的方法 | 第9-10页 |
| 1.2.3 适用于短期电力系统负荷预测的方法 | 第10-11页 |
| 1.2.4 其它预测方法 | 第11页 |
| 1.3 电力负荷的研究现状 | 第11-13页 |
| 1.4 本文研究的主要内容 | 第13-15页 |
| 第二章 神经网络简介 | 第15-27页 |
| 2.1 人工神经网络模型 | 第15-17页 |
| 2.2 人工神经网络的分类 | 第17-18页 |
| 2.3 BP 神经网络 | 第18-22页 |
| 2.3.1 BP 神经网络简介 | 第18-19页 |
| 2.3.2 BP 神经网络的结构 | 第19-20页 |
| 2.3.3 BP 神经网络的改进方法 | 第20-22页 |
| 2.4 Elman 神经网络 | 第22-27页 |
| 2.4.1 Elman 神经网络概述 | 第22-23页 |
| 2.4.2 Elman 神经网络一般结构 | 第23页 |
| 2.4.3 Elman 型神经网络算法简介 | 第23-27页 |
| 第三章 粒子群算法应用 | 第27-33页 |
| 3.1 粒子群算法综述 | 第27-28页 |
| 3.2 粒子群算法实现的步骤 | 第28-29页 |
| 3.3 粒子群算法进化方程的改进 | 第29-33页 |
| 3.3.1 基本粒子群算法进化方程的分析 | 第29-30页 |
| 3.3.2 带有惯性因子的改进粒子群算法 | 第30-32页 |
| 3.3.3 带有收缩因子的粒子群算法进化方程 | 第32-33页 |
| 第四章 基于改进 PSOElman 网络模型在电力负荷预测中的实现 | 第33-45页 |
| 4.1 电力负荷预测的重要性 | 第33页 |
| 4.2 神经网络模型建立 | 第33-34页 |
| 4.3 样本数据的预处理 | 第34-40页 |
| 4.3.1 气象特征的量化处理 | 第35页 |
| 4.3.2 负荷数据样本的归一化处理 | 第35页 |
| 4.3.3 基于 SOM 算法的样本处理 | 第35-40页 |
| 4.4 实验仿真结果 | 第40-45页 |
| 4.4.1 参数设计 | 第40-41页 |
| 4.4.2 实验结果 | 第41-45页 |
| 第五章 结论与展望 | 第45-47页 |
| 5.1 结论 | 第45页 |
| 5.2 展望 | 第45-47页 |
| 致谢 | 第47-49页 |
| 参考文献 | 第49-51页 |