电力系统短期负荷预测及其应用系统
| 第一章 绪 论 | 第1-15页 |
| ·引言 | 第9页 |
| ·电力负荷预测的任务和意义 | 第9-10页 |
| ·电力负荷预测的任务 | 第9-10页 |
| ·电力负荷预测的意义 | 第10页 |
| ·负荷预测的发展和研究现状 | 第10-13页 |
| ·本论文的主要工作 | 第13-15页 |
| ·课题的内容 | 第13页 |
| ·本论文的主要工作 | 第13-14页 |
| ·课题的研发工作步骤 | 第14-15页 |
| 第二章 短期负荷预测的分析 | 第15-22页 |
| ·引言 | 第15页 |
| ·负荷预测的分类 | 第15-17页 |
| ·按用电部门的属性分类 | 第16页 |
| ·按负荷预测周期的时间长短分类 | 第16页 |
| ·负荷预测各部分的作用及关系 | 第16-17页 |
| ·负荷预测的特性分析 | 第17页 |
| ·影响负荷预测精度的因素及误差分析 | 第17-19页 |
| ·影响负荷预测精度的因素 | 第17-18页 |
| ·负荷预测的误差分析 | 第18-19页 |
| ·江苏省某地区负荷分析 | 第19-20页 |
| ·短期负荷预测的模型 | 第20-21页 |
| ·短期负荷预测的模型要求 | 第20-21页 |
| ·短期负荷预测的模型 | 第21页 |
| ·小结 | 第21-22页 |
| 第三章 短期负荷预测的方法库和组合优化原理 | 第22-34页 |
| ·引言 | 第22页 |
| ·短期负荷预测的方法库 | 第22-28页 |
| ·指数平滑法 | 第22-23页 |
| ·回归分析法 | 第23-24页 |
| ·最小二乘法 | 第24-25页 |
| ·时间序列法 | 第25-27页 |
| ·相似日算法 | 第27-28页 |
| ·组合优化预测技术 | 第28-31页 |
| ·组合优化的原理 | 第28-29页 |
| ·组合优化预测方法 | 第29-31页 |
| ·算例分析 | 第31-33页 |
| ·小结 | 第33-34页 |
| 第四章 人工神经网络和专家系统预测技术 | 第34-46页 |
| ·引言 | 第34页 |
| ·神经网络的数学基础 | 第34-36页 |
| ·人工神经网络概述 | 第34-35页 |
| ·神经元模型 | 第35页 |
| ·神经元算法 | 第35-36页 |
| ·神经网络的拓扑结构 | 第36页 |
| ·神经网络的基本特性 | 第36页 |
| ·人工神经网络在负荷预测中的应用 | 第36-37页 |
| ·资源分配网络提出的背景 | 第37页 |
| ·RAN网络结构及其算法 | 第37-41页 |
| ·RAN网络结构 | 第37-38页 |
| ·学习算法 | 第38-40页 |
| ·算法步骤 | 第40-41页 |
| ·网络参数的讨论 | 第41页 |
| ·专家系统修正方法 | 第41-42页 |
| ·神经网络预测过程中的几个具体问题 | 第42-44页 |
| ·负荷数据的去伪预处理 | 第42-43页 |
| ·负荷数据的归一化处理 | 第43页 |
| ·训练样本选择策略 | 第43页 |
| ·预测结果的处理 | 第43-44页 |
| ·算例分析 | 第44-45页 |
| ·小结 | 第45-46页 |
| 第五章 短期负荷预测系统的设计及软件介绍 | 第46-58页 |
| ·引言 | 第46页 |
| ·负荷预测系统与调度自动化系统 | 第46-49页 |
| ·调度自动化系统简介 | 第46-47页 |
| ·与负荷预测系统集成的调度自动化系统简介 | 第47页 |
| ·系统结构示意图 | 第47-48页 |
| ·网络工作模式 | 第48页 |
| ·数据交换方式 | 第48-49页 |
| ·系统进程管理 | 第49页 |
| ·预测结果的处理 | 第49页 |
| ·短期负荷预测系统的设计 | 第49-51页 |
| ·软件设计原则 | 第49-50页 |
| ·负荷预测系统总体结构设计 | 第50-51页 |
| ·系统的开发和运行环境 | 第51页 |
| ·短期负荷预测系统数据库设计 | 第51-53页 |
| ·数据结构分析 | 第51-52页 |
| ·数据库设计 | 第52-53页 |
| ·系统软件的功能界面设计及功能介绍 | 第53-57页 |
| ·系统主界面 | 第53-54页 |
| ·日负荷预测界面 | 第54-55页 |
| ·历史负荷查询界面 | 第55页 |
| ·计划值录入界面 | 第55-56页 |
| ·加载曲线(定义预测曲线)界面 | 第56页 |
| ·气象信息界面 | 第56-57页 |
| ·系统软件应用总结 | 第57-58页 |
| 第六章 结论与展望 | 第58-60页 |
| ·本文的主要研究成果 | 第58页 |
| ·未来研究工作的展望 | 第58-60页 |
| 致 谢 | 第60-61页 |
| 参考文献 | 第61-64页 |
| 附 录 | 第64页 |
